Adjusting for Nonresponse Bias Using Logistic Regression
利用逻辑回归调整无应答偏差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：摘要讨论调查无应答调整与样本矩估计，未提供足以归入所列计量细分方向的证据。
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…
关注这篇论文的作者
利用逻辑回归调整无应答偏差
- 研究问题
- 当调查应答概率与调查变量有关、且没有未应答者信息时，能否利用回访和应答者资料降低样本矩估计的偏差？
- 方法与思路
- 作者用逻辑回归描述应答概率，基于应答者构造修正的条件极大似然估计，再将估计概率用于 Horvitz–Thompson 型估计量。
- 材料陈述的贡献
- 摘要称，该方法无需未应答者信息；模拟提示，当应答概率强烈依赖调查变量时，调整可降低估计的均方误差。
- 阅读关注点
- 应核对回访记录如何进入条件似然、应答概率如何识别，以及应答者完整回答所有相关问题这一要求的作用。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；摘要未说明回访机制的完整条件、概率估计的识别要求及模拟改善幅度。
原文摘要
A method of adjustment for nonresponse is considered. No information about the nonrespondents is required, but the respondents are assumed to answer all questions of interest. One or more call-backs are assumed. The probabilities of response are represented by a logistic regression model, in which variables in the survey are explanatory variables. The probabilities are estimated using a modified conditional maximum likelihood approach, based on the respondents. The estimated probabilities are used in a Horvitz-Thompson type estimator to reduce bias in the estimation of sample moments. Simulations suggest that the method reduces the mean squared error of estimation when response probabilities depend strongly on variables in the survey.