Inference Using Surrogate Outcome Data and a Validation Sample
利用代理结果数据与验证样本进行推断AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究代理结果与验证样本下的一般回归推断，未明确涉及因果效应或其他所列细分方向。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
利用代理结果数据与验证样本进行推断
- 研究问题
- 多数个体只有代理结果、随机验证子样本同时观察真实结果时，如何估计结果回归参数，并避免代理机制误设的影响？
- 方法与思路
- 作者分析完整参数模型的最大似然估计，并考虑对代理结果给定真实结果和协变量的分布采取非参数处理的半参数方法。
- 材料陈述的贡献
- 摘要称，最大似然估计对代理机制误设不稳健；作者提出替代半参数方法，并建立最大估计似然估计量的大样本分布理论。
- 阅读关注点
- 应核对验证样本的随机抽取要求、目标参数的可识别性、代理机制的估计方式，以及替代方法的大样本条件。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；摘要未说明验证比例、效率界或具体稳健性范围，也不能据此解释为因果识别。
原文摘要
In the context of estimating β from the regression model Pβ(Y|X), relating response Y to covariates X, suppose that only a surrogate response S is available for most study subjects. Suppose that for a random subsample of the study cohort, termed the validation sample, the true outcome Y is available in addition to S. We consider maximum likelihood estimation of β from such data and show that it is nonrobust to misspecification of the distribution relating the surrogate to the true outcome, P(S|Y, X). An alternative semi-parametric method is also considered, which is nonparametric with respect to P(S|Y, X), Large-sample distribution theory for maximum estimated likelihood estimates is developed. An illustrative example is presented.