Maximum Likelihood Estimation of Logistic Regression Parameters under Two-phase, Outcome-dependent Sampling
两阶段结果依赖抽样下逻辑回归参数的最大似然估计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：摘要明确涉及逻辑回归与计量经济学中的选择依赖抽样，直接关联离散选择模型的估计。
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
两阶段结果依赖抽样下逻辑回归参数的最大似然估计
- 研究问题
- 在兼具两阶段抽样与结果依赖抽样的设计中，如何有效估计逻辑回归系数，并处理离散替代指标验证抽样中的测量误差？
- 方法与思路
- 作者为混合抽样设计构造最大似然估计，通过反复拟合普通逻辑回归求解，并用模拟比较伪似然和加权似然方法。
- 材料陈述的贡献
- 摘要称，某些数据配置下替代方法存在效率损失；所提方法为基于离散替代指标的验证抽样测量误差问题提供有效方案。
- 阅读关注点
- 应核对两阶段抽样机制如何进入似然、所需抽样信息、迭代算法条件，以及测量误差模型和模拟比较的具体配置。
- 阅读边界
- 仅据所给 Crossref 摘要，抽样及误差机制未详细说明；效率比较限于某些配置，不能据此宣称普遍优于替代方法。
原文摘要
Summary Outcome-dependent sampling increases the efficiency of studies of rare outcomes, examples being case—control studies in epidemiology and choice–based sampling in econometrics. Two-phase or double sampling is a standard technique for drawing efficient stratified samples. We develop maximum likelihood estimation of logistic regression coefficients for a hybrid two-phase, outcome–dependent sampling design. An algorithm is given for determining the estimates by repeated fitting of ordinary logistic regression models. Simulation results demonstrate the efficiency loss associated with alternative pseudolikelihood and weighted likelihood methods for certain data configurations. These results provide an efficient solution to the measurement error problem with validation sampling based on a discrete surrogate.