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回归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：摘要讨论一般估计方程与统计分类，逻辑回归分类本身不足以归入经济学离散选择。
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
估计方程的偏差及其在逻辑回归判别错误率中的应用
- 研究问题
- 由估计方程定义的向量估计量存在怎样的偏差？当逻辑回归分类模型设定不成立时，这种偏差如何影响误分类率？
- 方法与思路
- 作者推导估计方程解的偏差表达式，并结合已有结果，在两个逻辑回归模型失配的例子中分析估计偏差与分类错误率。
- 材料陈述的贡献
- 摘要称给出了便于使用的向量估计量偏差表达式，并发现逻辑回归分类对文中考察的两类模型偏离具有较强稳健性。
- 阅读关注点
- 应核对偏差表达式的近似阶数与适用条件、两个失配例子的具体构造，以及稳健性是如何通过误分类率体现的。
- 阅读边界
- 仅据版本未注明的索引摘要，不能将两个例子的稳健性推广到任意模型失配；偏差公式和误分类率数值均未提供。
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.