The Bias of Estimating Equations with Application to the Error Rate of Logistic Discrimination
估计方程的偏差及其在逻辑判别错误率中的应用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：摘要以一般统计分类和估计方程为主题，未明确讨论经济选择行为或所列预测领域。
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
估计方程的偏差及其在逻辑判别错误率中的应用
- 研究问题
- 如何表达由估计方程定义的向量估计量的偏差，并分析逻辑回归分类在模型设定不成立时的偏差与误分类率？
- 方法与思路
- 作者推导估计方程估计量偏差的便捷表达，结合既有结果，在两个逻辑回归模型失配实例中计算偏差和分类错误率。
- 材料陈述的贡献
- 摘要称得到一般偏差表达，并发现逻辑回归分类对所考察的模型偏离具有较强稳健性；该结论针对给定的两个实例。
- 阅读关注点
- 应核对偏差展开的阶数与正则条件、两个失配机制，以及分类阈值和错误率定义，区分参数偏差与分类性能的变化。
- 阅读边界
- 仅据稿件版本未注明的OpenAlex索引摘要；未给出失配形式或具体结果，所述稳健性不能推广为任意模型错误下都成立。
原文摘要
The logistic regression classification method uses parameter estimates that are the solution of an estimating equation. This article derives a convenient expression for the bias of a vector estimator defined by estimating equations. The expression and the results of O'Neill are used to derive the bias and the error or misclassification rate of logistic regression classification in two examples where the assumed model for logistic regression does not hold. Logistic regression classification is found to be very robust for the departures considered.