Using logistic regression procedures for estimating receiver operating characteristic curves
利用逻辑回归程序估计 ROC 曲线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：摘要聚焦诊断 ROC 曲线估计，逻辑回归在此用于密度比建模，未提供离散选择等细分方向的充分依据。
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…
关注这篇论文的作者
利用逻辑回归程序估计 ROC 曲线
- 研究问题
- 在完全参数和完全非参数 ROC 曲线估计之间，能否通过半参数模型兼顾稳健性、效率及曲线的平滑表现？
- 方法与思路
- 作者对患病与非患病群体的密度设定密度比模型，利用它与逻辑回归的自然联系进行半参数 ROC 曲线估计。
- 材料陈述的贡献
- 摘要称该方法较完全参数方法稳健、较完全非参数方法有效率，并以两个真实例子展示相对非参数估计更平滑的曲线。
- 阅读关注点
- 应核对密度比模型的具体限制、逻辑回归程序的使用方式、效率与稳健性的比较标准，以及模型误设下的表现。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；比较结论的条件和数值幅度未说明，曲线更平滑本身不能证明估计更准确。
原文摘要
Estimation of a receiver operating characteristic, ROC, curve is usually based either on a fully parametric model such as a normal model or on a fully nonparametric model. In this paper, we explore a semiparametric approach by assuming a density ratio model for disease and disease‐free densities. This model has a natural connection with the logistic regression model. The proposed semiparametric approach is more robust than a fully parametric approach and is more efficient than a fully nonparametric approach. Two real examples demonstrate that the ROC curve estimated by our semiparametric method is much smoother than that estimated by the nonparametric method.