A goodness-of-fit test of logistic regression models for case-control data with measurement error
测量误差下病例对照逻辑回归模型的拟合优度检验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：摘要研究病例对照逻辑回归的拟合检验与测量误差，并未提供离散选择行为或因果识别的直接依据。
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…
测量误差下病例对照逻辑回归模型的拟合优度检验
- 研究问题
- 病例对照数据的部分协变量存在测量误差时，忽略误差的传统拟合检验何时仍有效，如何同时检验模型并校正参数偏差？
- 方法与思路
- 作者先分析传统检验，再针对非差异性经典加性正态测量误差构造新程序，以预选函数代替信息矩阵来降低检验维度。
- 材料陈述的贡献
- 摘要称，传统检验在某些情形下仍有效，新程序可同时检验逻辑回归模型与校正参数偏差，并以模拟和应用展示用途。
- 阅读关注点
- 应核对传统检验有效的具体情形、预选函数如何影响检验功效，以及误差校正所需信息与非差异性正态误差假设。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明。预选函数、校正所需数据和结果数值未说明，不能推广到任意测量误差机制。
原文摘要
We study goodness-of-fit tests for logistic regression models for case-control data when some covariates are measured with error. We first study the applicability of traditional test methods for this problem, simply ignoring measurement error, and show that in some scenarios they are effective despite the inconsistency of the parameter estimators. We then develop a test procedure based on work of Zhang (2001) that can simultaneously test the validity of logistic regression and correct the bias in parameter estimators for case-control data with nondifferential classical additive normal measurement error. Instead of using the information matrix considered by Zhang (2001), our test statistic uses preselected functions to reduce dimensionality. Simulation studies and an application illustrate its usefulness.