The Effects of Discarding Inliars when Binomial Data are Subject to Classification Errors
二项数据存在分类误差时剔除切点附近观测的影响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：摘要研究二元测量误差与删样本估计，未涉及离散选择行为模型或明确的因果问题。
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
二项数据存在分类误差时剔除切点附近观测的影响
- 研究问题
- 当连续有序尺度被切分为二元变量，且误分类集中在切点附近时，剔除高误差观测如何影响比例和关联的估计？
- 方法与思路
- 作者通过数值研究考察剔除切点附近易误分类观测的效果，以偏差和均方误差评价，并提供选择排除区间的指南。
- 材料陈述的贡献
- 摘要称，在所研究设定中，剔除最易出错的观测可改善偏差与均方误差，并讨论如何确定最优排除区间。
- 阅读关注点
- 应核对分类误差随切点距离变化的设定、剔除后估计目标是否改变，以及排除区间选择所需信息和评价标准。
- 阅读边界
- 仅据版本未注明的OpenAlex摘要；误分类机制、数值设定和最优区间规则未说明，不能推广为任意二元数据的删样本建议，版本变化未知。
原文摘要
This article deals with the biasing effects of errors of measurement on the estimation of a population proportion or on the degree of association between two dichotomous variables. Consider a dichotomy that is formed by making a cut on an ordered scale, where errors of classification occur with greatest frequency in the neighborhood of the cut. It is demonstrated through numerical investigation that it is advantageous, both in terms of bias and of mean square error, to discard those observations which are most subject to error. Guidelines are provided for choosing an optimum exclusion interval.