On the use of stochastic ordering to test for trend with clustered binary data
利用随机序检验聚类二元数据的趋势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：摘要讨论聚类二元响应的随机序检验，未明确建立因果识别、离散选择行为或面板模型。
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
利用随机序检验聚类二元数据的趋势
- 研究问题
- 对于簇大小固定或随机、且可能稀疏的可交换二元数据，如何定义并检验能容纳多种单调变化形式的处理相关趋势？
- 方法与思路
- 作者以随机序定义趋势，用饱和模型表示联合分布并进行受约束最大似然估计，再通过置换重采样获得检验 p 值。
- 材料陈述的贡献
- 摘要称，框架能纳入多种簇整体响应的单调增长形式；针对随机簇大小的稀疏性，引入可解释性或边际相容性假设。
- 阅读关注点
- 应核对随机序的具体约束、边际相容性假设，以及混合似然算法和置换方案在不同簇大小下的适用条件。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；置换有效性与相容性条件未说明，处理相关趋势不自动具有因果解释，不能推断刊本变化。
原文摘要
We introduce the use of stochastic ordering for defining treatment-related trend in clustered exchangeable binary data for both when cluster sizes are fixed and when they vary randomly. In the latter case, there is a well-documented tendency for such data to be sparse, a problem we address by making an assumption of interpretability or, equivalently, marginal compatibility. Our procedures are based on a representation of the joint distribution of binary exchangeable random variables by a saturated model, and may hence be considered nonparametric. The definition of trend by stochastic ordering is proposed to ensure a flexibility that allows for various forms of monotone increases in response to the cluster as a whole to be included in the evaluation of the trend. We obtain maximum likelihood estimates of probability functions under stochastic ordering using mixture-likelihood-based algorithms. Since the data are sparse, we avoid the use of asymptotic results and obtain p-values of the likelihood ratio procedures by permutation resampling. We demonstrate how the proposed framework can be used in risk assessment, and provide comparisons with existing procedures.