Binary Regression Models for Contaminated Data
污染数据的二元回归模型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回归及其稳健拟合，对应离散选择方向中的二元响应方法。
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
污染数据的二元回归模型
- 研究问题
- 二元回归中如何理解异常观测，并在少量响应被误记录时构造稳健估计与诊断，处理抗异常拟合的系数偏大问题？
- 方法与思路
- 作者讨论二元响应数据中的异常值，指出抗异常拟合需要收缩型校正，并提出允许少量响应误记录的简单模型。
- 材料陈述的贡献
- 摘要称围绕响应误记录模型发展了稳健估计与诊断技术，并指出抗异常拟合的系数数值大于最大似然估计。
- 阅读关注点
- 应核对误记录机制、污染比例的处理、收缩校正与诊断方法，以及系数偏大结论的范围和稳健性的评价方式。
- 阅读边界
- 仅据所给 Crossref 摘要，误记录模型和稳健性保证未说明；不能推断其同时解决解释变量误测或所有异常值问题。
原文摘要
SUMMARY The nature of outliers in the context of binary regression data is discussed. Resistant fitting procedures produce estimated regression coefficients which are numerically larger than maximum likelihood, implying the need for a shrinkage-type correction. A simple model which allows for a small number of the binary responses being misrecorded is proposed, and associated techniques for robust estimation and diagnostics developed.