Latent Variable Models for Mixed Discrete and Continuous Outcomes
混合离散与连续结果的潜变量模型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：摘要描述混合结果的通用潜变量模型，二元结果并不直接构成离散选择或因果识别证据。
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…
混合离散与连续结果的潜变量模型
- 研究问题
- 如何联合建模离散和连续结果，同时描述协变量对各结果及潜变量的影响，并检验潜在结果中的协变量作用？
- 方法与思路
- 作者提出可容纳指数族结果混合的潜变量模型，以 EM 算法估计参数和潜变量，并使用广义似然比检验。
- 材料陈述的贡献
- 摘要称，模型允许灵活的协变量效应及对潜变量的直接建模；方法应用于出生缺陷数据，比较宫内药物暴露婴儿与对照。
- 阅读关注点
- 应核对潜变量的尺度与识别约束、混合结果的联合分布、EM 的实现，以及暴露组比较如何处理协变量和组间差异。
- 阅读边界
- 仅依据 Crossref 摘要；未说明模型识别条件、检验校准或应用结果，暴露组与对照组的比较本身不足以支持因果解释。
原文摘要
Summary We propose a latent variable model for mixed discrete and continuous outcomes. The model accommodates any mixture of outcomes from an exponential family and allows for arbitrary covariate effects, as well as direct modelling of covariates on the latent variable. An EM algorithm is proposed for parameter estimation and estimates of the latent variables are produced as a by-product of the analysis. A generalized likelihood ratio test can be used to test the significance of covariates affecting the latent outcomes. This method is applied to birth defects data, where the outcomes of interest are continuous measures of size and binary indicators of minor physical anomalies. Infants who were exposed in utero to anticonvulsant medications are compared with controls.