Odds Ratio Estimators When the Data are Sparse
稀疏数据下的优势比估计量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：摘要研究稀疏列联表的关联参数估计，没有经济选择行为或因果识别设定，不能归入离散选择或因果推断。
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
稀疏数据下的优势比估计量
- 研究问题
- 当二乘二表的数量增加而可能的边际配置固定时，四种常用优势比估计量的一致性、渐近偏差和相对效率如何？
- 方法与思路
- 作者在表数量增长的特定渐近框架下，比较无条件最大似然、经验logit、条件最大似然及Mantel–Haenszel估计。
- 材料陈述的贡献
- 摘要称前两种估计不一致，后两种一致且零假设下渐近方差比趋于一；Mantel–Haenszel估计在中等优势比下仍表现高效。
- 阅读关注点
- 应核对共同优势比的模型设定、固定边际配置的含义，以及偏差计算的特殊情形和零假设下方差比较的条件。
- 阅读边界
- 仅据版本未注明的OpenAlex索引摘要；结论依赖特定渐近框架，偏差公式和效率数值未提供，不能推断刊本变化。
原文摘要
The properties of four commonly used estimators of the odds ratio are studied under a large-sample scheme in which the number of 2 × 2 tables increases but the possible marginal configurations remain fixed. Neither the unconditional maximum likelihood nor the empirical logit estimators converge to the true odds ratio; their asymptotic bias is computed for certain special cases of interest. The conditional maximum likelihood and Mantel-Haenszel estimators, which are consistent, have asymptotic variances whose ratio tends to one under the null hypothesis. Even for moderately large odds ratios the simple Mantel-Haenszel estimator maintains remarkably good efficiency.