Discrete Exponential-Family Models for Multivariate Binary Outcomes
多元二元结果的离散指数族模型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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要仅明确多元二元结果的通用统计建模，未说明离散选择机制或可识别的因果问题，细分领域证据不足。
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…
多元二元结果的离散指数族模型
- 研究问题
- 当研究同时收集吸烟、饮酒等多个二元结果时，如何构建便于解释且计算可行的联合模型，并开展多结果假设检验？
- 方法与思路
- 作者提出基于离散指数族的多元二元结果模型，以灵活的联合建模框架处理多个结果，并支持计算高效的假设检验。
- 材料陈述的贡献
- 摘要称该框架针对多结果研究中的规模和解释限制提供建模方案，但未给出具体检验、理论保证或计算性能数值。
- 阅读关注点
- 应核对指数族参数化、依赖结构及其解释、检验的零假设与误差控制，以及结果维度增加时的计算和估计难度。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收均未核实；摘要未说明具体模型与因果识别条件，联合分布不能直接解释为因果联系。
原文摘要
Studies that collect multi-outcome data such as tobacco and alcohol use are becoming increasingly common. In principle, multi-outcomes studies investigate the correlations between outcomes, including, causal links and/or joint distributions. Although there are many methods for studying multivariate outcomes, significant limitations regarding scale and interpretation persist. Here we introduce a model based on the exponential-family for discrete binary outcomes that provides a flexible framework for hypothesis testing of multiple binary outcomes in a computationally efficient fashion.