Semiparametric group testing regression models
半参数混样检测回归模型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：摘要研究混样检测中的通用二元回归，未明确涉及离散选择行为或所列其他经济计量方向。
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…
半参数混样检测回归模型
- 研究问题
- 如何利用混合样本的检测结果，研究个体协变量与二元状态的关系，并兼顾检测误差及额外的个体检测信息？
- 方法与思路
- 作者提出一般半参数框架，纳入多维协变量、混样后的解码信息及不完美检测，并讨论估计量的渐近性质和有限样本实现。
- 材料陈述的贡献
- 摘要称该框架可统一处理上述检测信息，并以模拟及内布拉斯加公共卫生实验室的衣原体、淋病数据展示方法表现。
- 阅读关注点
- 阅读全文时应核对混样结果如何关联个体状态、解码信息的具体形式、检测误差模型，以及渐近结论和实际计算的条件。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；识别条件、误差参数获取方式及模拟数值未说明，不能推断其他版本变化。
原文摘要
Group testing, through the use of pooling, has proven to be an efficient method of reducing the time and cost associated with screening for a binary characteristic of interest, such as infection status. A topic of key interest in the statistical literature involves the development of regression models that relate individual-level covariates to testing responses observed from pooled specimens. In this article, we propose a general semiparametric framework that allows for the inclusion of multi-dimensional covariates, decoding information, and imperfect testing. The asymptotic properties of our estimators are presented and guidance on finite sample implementation is provided. We illustrate the performance of our methods through simulation and by applying them to chlamydia and gonorrhea data collected by the Nebraska Public Health Laboratory as a part of the Infertility Prevention Project.