Covariate Measurement Error in Logistic Regression
Logistic 回归中的协变量测量误差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：研究直接围绕二元响应的 Logistic 回归及其协变量测量误差展开，对应离散选择方向。
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…
Logistic 回归中的协变量测量误差
- 研究问题
- 当 Logistic 回归的协变量含有测量误差时，直接使用观测协变量的估计会产生何种偏差，如何进行校正？
- 方法与思路
- 作者提出偏差调整估计，并针对正态测量误差构造函数型最大似然估计及利用充分性的估计，在小误差条件下分析渐近性质。
- 材料陈述的贡献
- 摘要称，直接回归的估计存在渐近偏差；小规模蒙特卡洛研究显示，考虑测量误差的估计在部分情形下表现更好。
- 阅读关注点
- 核对小测量误差的渐近设定、正态误差要求、各估计量所需信息，以及模拟中改进成立的具体情形和评价指标。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；误差方差是否已知、偏差校正公式及比较条件未说明，不能推断普遍优越性或刊本变化。
原文摘要
In a logistic regression model when covariates are subject to measurement error the naive estimator, obtained by regressing on the observed covariates, is asymptotically biased. We introduce a bias-adjusted estimator and two estimators appropriate for normally distributed measurement errors -a functional maximum likelihood estimator and an estimator which exploits the consequences of sufficiency. The four proposals are studied asymptotically under conditions which are appropriate when the measurement error is small. A small Monte Carlo study illustrates the superiority of the measurement-error estimators in certain situations.