Covariate-adjusted regression
协变量调整回归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：摘要研究乘法污染下的一般回归调整，未明确涉及因果识别、结构估计或其他所列方向。
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
协变量调整回归
- 研究问题
- 当回归的解释变量与响应变量都受到某个可观测协变量的未知函数所产生的乘法污染时，如何恢复原始回归系数并检验？
- 方法与思路
- 作者建立污染回归与变系数回归的联系，据此估计回归系数，并用 bootstrap 检验参数显著性，结合模拟和透析患者数据。
- 材料陈述的贡献
- 摘要称建立参数估计的一致性与收敛速度，并以六十九名血液透析患者的分析和模拟展示协变量调整方法的效果。
- 阅读关注点
- 核对乘法污染模型及系数识别条件、变系数估计步骤与 bootstrap 有效性，并检查协变量作用方式误设时的影响。
- 阅读边界
- 材料为 OpenAlex 索引摘要，稿件版本未注明；污染函数的约束、识别条件与模拟结果未给出，不能推广到一般测量误差模型。
原文摘要
We introduce covariate-adjusted regression for situations where both predictors and response in a regression model are not directly observable, but are contaminated with a multiplicative factor that is determined by the value of an unknown function of an observable covariate. We demonstrate how the regression coefficients can be estimated by establishing a connection to varying-coefficient regression. The proposed covariate-adjustment method is illustrated with an analysis of the regression of plasma fibrinogen concentration as response on serum transferrin level as predictor for 69 haemodialysis patients. In this example, both response and predictor are thought to be influenced in a multiplicative fashion by body mass index. A bootstrap hypothesis test enables us to test the significance of the regression parameters. We establish consistency and convergence rates of the parameter estimators for this new covariate-adjusted regression model. Simulation studies demonstrate the efficacy of the proposed method.