A note on identifiability of the regression parameter and validity of the partial likehood approach in general relativerisk regression
一般相对风险回归中参数可识别性与偏似然有效性札记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：摘要涉及相对风险回归的识别理论，未明确研究因果识别、结构估计或其他所列方向。
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…
关注这篇论文的作者
一般相对风险回归中参数可识别性与偏似然有效性札记
- 研究问题
- 一般相对风险回归中，信息矩阵正定为何仍可能伴随参数不可识别，此时偏似然估计还能在何种意义下有效？
- 方法与思路
- 作者分析区别于常见回归不可识别性的另一种情形，讨论偏似然估计的弱意义收敛，并给出识别判据和链接函数清单。
- 材料陈述的贡献
- 摘要称即使信息矩阵正定，也可能存在另一类不可识别性；偏似然仍在一定意义下有效，并可借助部分链接函数避免该问题。
- 阅读关注点
- 应核对两类不可识别性的区别、弱意义收敛的准确含义，以及识别判据、链接函数限制和偏似然使用中的注意事项。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未定义弱意义收敛，不能据此认定参数唯一可识别或常规推断均有效。
原文摘要
In this note we deal with the question of identifiability of the regression parameter in general relative risk regression. We show that, apart from the well understood kind of nonidentifiability, as usually occurs with regression, there is a second kind of nonidentiliability of the regression parameter which may still be present even if the information matrix is positive definite. However, when this happens, the partial likelihood approach is still valid, even though some caution is advised. We show that the partial likelihood estimates still converge to the true parameter in some weak sense. We give some criteris for the identifiability and a list of link functions which do not allow such nonidentifiability. The list contains most of the link functions so far proposed in the literature.