Fitting binary regression models with case-augmented samples
病例增补样本下的二元回归模型拟合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：摘要明确研究二元响应回归及特殊抽样设计下的似然估计，与离散选择模型方法相关。
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
病例增补样本下的二元回归模型拟合
- 研究问题
- 研究总体随机样本由独立病例样本增补后，如何估计协变量与成为病例的概率之间的关系，并利用两部分样本的信息。
- 方法与思路
- 作者针对总体随机样本与独立病例样本构成的抽样设计，提出拟合修正后的前瞻性似然，以开展二元回归推断。
- 材料陈述的贡献
- 摘要称修正前瞻性似然可以用于协变量与病例概率关系的推断，并声称该程序具有完全效率，但未说明效率基准。
- 阅读关注点
- 核对病例增补的抽样机制、似然修正项、病例比例信息的作用，以及完全效率所针对的模型、参数和比较范围。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明。摘要未说明具体链接函数、识别条件或效率界，不能作因果解释或推断刊本变化。
原文摘要
In a case-augmented study, measurements on a random sample from a population are augmented by information from an independent sample of cases, that is units with some characteristic of interest. We show that inferences about the effect of the covariates on the probability of being a case can be made by fitting a modified prospective likelihood. We also show that this procedure is fully efficient.