Efficiency of Generalized Estimating Equations for Binary Responses
二元响应广义估计方程的效率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：摘要讨论一般相关二元数据的估计方程效率，未明确经济离散选择、面板结构或宏观时间序列研究对象。
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
二元响应广义估计方程的效率
- 研究问题
- 分析相关二元响应时，广义估计方程的工作相关矩阵能否视为真实相关矩阵，权重选择又如何影响估计效率？
- 方法与思路
- 作者利用相关性界、多元二元模型和矩阵 Cauchy–Schwarz 不等式，比较估计方程协方差与逆 Fisher 信息及更一般加权方程。
- 材料陈述的贡献
- 摘要称，工作相关矩阵一般不能视为真实相关矩阵；文章分析 GEE 的效率，并根据依赖强度提出交换型和 AR(1) 权重的选择规则。
- 阅读关注点
- 应核对二元相关性界如何限制可行矩阵、效率比较对应的模型和参数，以及权重参数选择规则与示例的适用条件。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断效率损失大小或权重规则的完整条件；二元响应和 AR(1) 权重本身不足以表明经济应用领域。
原文摘要
Summary Using standard correlation bounds, we show that in generalized estimation equations (GEEs) the so-called ‘working correlation matrix’R(α) for analysing binary data cannot in general be the true correlation matrix of the data. Methods for estimating the correlation param-eter in current GEE software for binary responses disregard these bounds. To show that the GEE applied on binary data has high efficiency, we use a multivariate binary model so that the covariance matrix from estimating equation theory can be compared with the inverse Fisher information matrix. But R(α) should be viewed as the weight matrix, and it should not be confused with the correlation matrix of the binary responses. We also do a comparison with more general weighted estimating equations by using a matrix Cauchy–Schwarz inequality. Our analysis leads to simple rules for the choice of α in an exchangeable or autoregressive AR(1) weight matrix R(α), based on the strength of dependence between the binary variables. An example is given to illustrate the assessment of dependence and choice of α.