Modification of the Empirical Logit to Reduce Bias in Simple Linear Logistic Regression
通过修正经验 Logit 降低简单线性逻辑回归的偏差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：摘要涉及一般逻辑回归估计偏差，未明确研究离散选择行为，因此不归入离散选择。
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
通过修正经验 Logit 降低简单线性逻辑回归的偏差
- 研究问题
- 在构造经验 Logit 前对观测计数加上常数，会怎样影响 Berkson 最小 Logit 卡方估计量的偏差？
- 方法与思路
- 作者以设计点数量为变化维度，考察计数加常数的修正，并研究用于降低估计偏差的常数应如何选择。
- 材料陈述的贡献
- 摘要称降低偏差的“最佳”常数基本上是设计点数量倒数的线性函数，但没有给出该函数的具体系数。
- 阅读关注点
- 应核对“最佳”的优化标准、偏差展开使用的条件，以及设计点配置和各点样本量对常数选择的影响。
- 阅读边界
- 依据 OpenAlex 索引摘要，稿件版本未注明；具体修正常数、适用设计与偏差降低幅度均未说明，也不能据此判断均方误差表现。
原文摘要
The effect on the bias of Berkson's minimum logit chi-squared estimator of adding a constant to each observed count before forming the empirical logit is examined as a function of the number of design points. It is shown that the ‘best’ constant for reducing bias is essentially a linear function of the reciprocal of the number of design points.