On two families of transformations to additivity for binary response data
二元响应数据实现可加性的两类变换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：摘要直接研究二元响应概率模型及 logistic 模型扩展，与离散选择方法相关。
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
二元响应数据实现可加性的两类变换
- 研究问题
- 当二元响应数据偏离 logistic 模型，且偏离可能具有对称或非对称形式时，如何寻找适合可加分析的概率尺度？
- 方法与思路
- 作者提出两类概率幂变换，以极大似然方法在 GLIM 中估计合适的变换，并构造检测对称及非对称偏离的检验。
- 材料陈述的贡献
- 摘要称，两类变换为 logistic 模型之外的分析尺度提供统一表达，并提供变换估计及两类模型偏离的检验方法。
- 阅读关注点
- 应核对变换族及参数范围、可加结构的定义、变换参数的可识别性，以及偏离检验的原假设和参考分布。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要，不能判断变换族的覆盖范围、检验功效或估计稳定性，也不能认定其普遍优于 logistic。
原文摘要
Two families of power transformations for probabilites are introduced to model symmetric and asymmetric departures from the logistic model. The aim is to provide, in a comprehensive way, a representation of alternative scales in terms of which to carry out the analysis of binary response data. Maximum likelihood methods are empolyed to estimate an appropriate transformation using GLIM. Tests for detection of symmetric and asymmetric departures are proposed.