Estimating Logistic Regression Parameters for Bivariate Binary Data
二元配对二值数据的逻辑回归参数估计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：摘要研究通用二值回归，没有明确选择行为或经济应用，不能仅凭逻辑回归归入离散选择。
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
二元配对二值数据的逻辑回归参数估计
- 研究问题
- 当成对二值观测之间的相关性只是干扰因素，且两条边际回归可有不同协变量时，如何有效估计逻辑回归参数？
- 方法与思路
- 作者采用基于独立性工作设定的估计方程，并修正估计方差，与最大似然及Liang–Zeger估计方法比较。
- 材料陈述的贡献
- 摘要称该估计量在比较中可以兼具较高效率与稳健性，并对更高维多元数据作出讨论，但未列出成立范围。
- 阅读关注点
- 应核对边际回归与配对相关性的设定、方差修正的计算方式，以及效率和稳健性比较所依赖的具体情形。
- 阅读边界
- 仅据所给Crossref摘要，无法判断效率优势的条件及稳健性的具体含义；高维推广仅被简要提及，不能推断完整结论。
原文摘要
SUMMARY Consider bivariate binary data, with possibly different covariates for each marginal binary observation. Suppose that the correlation between paired observations is a nuisance, and the interest lies in estimating logistic regression parameters associated with the covariates. We consider the estimator obtained by using the independence estimating equation, with corrected variance. This estimator can be very efficient and robust compared with maximum likelihood or the estimator of Liang and Zeger. Some comments are made concerning higher dimensional multivariate data.