Fitting prospective regression models to case-control data
利用病例对照数据拟合前瞻性回归模型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：摘要研究病例对照抽样与有序响应回归，未涉及个体选择行为，不能据此归入离散选择领域。
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
利用病例对照数据拟合前瞻性回归模型
- 研究问题
- 在按响应类别选择样本且已知有限总体各类别总数时，如何拟合前瞻性回归模型，并比较不同估计方法的效率？
- 方法与思路
- 作者构造最大似然估计并与两种伪似然方法比较，在有序响应的比例优势模型中研究各方法的相对效率。
- 材料陈述的贡献
- 摘要称在所考察应用中，条件最大似然与最大似然效率近似相当且更易实施，加权前瞻性似然可能损失较多效率。
- 阅读关注点
- 应核对响应选择抽样机制、已知总体总数的作用、条件似然的具体构造，以及效率结论是否依赖比例优势模型。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；效率比较的条件和数值范围未说明，不能推广到所有响应选择抽样模型。
原文摘要
We consider fitting prospective regression models to data obtained by case-control or response selective sampling from a finite population with known population totals in each response category. Maximum likelihood estimation is developed and compared with two pseudo-likelihood approaches. The relative efficiencies of the methods are explored in the special case of estimating the parameters of the proportional odds model for ordinal responses. For such applications the method Hsieh, Manski & McFadden (1985) call ‘conditional maximum likelihood’ is shown to be essentially as efficient as maximum likelihood; the latter is considerably more difficult to implement. In contrast the use of a weighted estimate of the prospective likelihood can lead to a substantial loss of efficiency.