Minimum distance estimation for the logistic regression model
Logistic 回归模型的最小距离估计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：摘要明确研究 Logistic 二元响应模型，直接对应离散选择方向的基础模型。
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
Logistic 回归模型的最小距离估计
- 研究问题
- 异常观测与病例对照抽样如何影响 Logistic 回归估计，以及能否构造同时适用于回顾性和前瞻性抽样的稳健方法？
- 方法与思路
- 作者将 Logistic 模型表示为半参数有偏抽样模型，构造最小距离估计类，并以加权 Cramér–von Mises 距离示例。
- 材料陈述的贡献
- 摘要称，新稳健估计类针对病例对照视角下现有方法的不足，并展示该方法也适用于前瞻性抽样方案。
- 阅读关注点
- 应核对有偏抽样表示与原参数的对应、距离权重选择，以及稳健性的定义和两种抽样设计下所需的条件。
- 阅读边界
- 材料为版本未注明的 OpenAlex 索引摘要；未提供污染机制、效率损失或具体比较结果，不能断言全面优于其他稳健方法。
原文摘要
It is well known that the maximum likelihood fit of the logistic regression parameters can be greatly affected by atypical observations. Several robust alternatives have been proposed. However, if we consider the model from the case-control viewpoint, it is clear that current techniques can exhibit poor behaviour in many common situations. A new robust class of estimation procedures is introduced. The estimators are constructed via a minimum distance approach after identifying the model with a semiparametric biased sampling model. The approach is developed under the case-control sampling scheme, yet is shown to be applicable under prospective sampling as well. A weighted Cramér–von Mises distance is used as an illustrative example of the methodology.