Functional and Structural Methods With Mixed Measurement Error and Misclassification in Covariates
协变量同时含测量误差与误分类时的函数型和结构型方法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：摘要聚焦广义线性模型的误差校正，未提供因果、面板或经济结构模型等分类依据。
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…
协变量同时含测量误差与误分类时的函数型和结构型方法
- 研究问题
- 当同一回归分析中的协变量同时存在测量误差与类别误分类时，如何利用外部验证研究进行联合校正和统计推断？
- 方法与思路
- 作者在广义线性模型和外部验证研究可用的设定下，系统发展同时容纳两类误差的函数型与结构型估计和推断方法。
- 材料陈述的贡献
- 摘要称，该研究补足既有文献通常分别处理测量误差或误分类的缺口，并提供适用于不同情形和分析目标的多种方法。
- 阅读关注点
- 应核对验证样本与主样本之间的关系、两类误差机制的建模要求，以及各方法所需信息、估计目标和适用条件的差别。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；误差机制、验证数据要求和方法比较未说明，题名中的结构型方法不能直接等同经济结构估计。
原文摘要
Covariate measurement imprecision or errors arise frequently in many areas. It is well known that ignoring such errors can substantially degrade the quality of inference or even yield erroneous results. Although in practice both covariates subject to measurement error and covariates subject to misclassification can occur, research attention in the literature has mainly focused on addressing either one of these problems separately. To fill this gap, we develop estimation and inference methods that accommodate both characteristics simultaneously. Specifically, we consider measurement error and misclassification in generalized linear models under the scenario that an external validation study is available, and systematically develop a number of effective functional and structural methods. Our methods can be applied to different situations to meet various objectives.