The asymptotic relative efficiency of score tests in a generalized linear model with surrogate covariates
含替代协变量的广义线性模型中得分检验的渐近相对效率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：摘要讨论暴露测量误差下的关联检验，没有明确的因果识别设计或所列其他细分方向依据。
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
含替代协变量的广义线性模型中得分检验的渐近相对效率
- 研究问题
- 当真实暴露变量无法直接测量、只能观察替代变量时，如何在广义线性模型中检验无关联假设，并量化检验效率损失？
- 方法与思路
- 作者分析替代变量对有效得分统计量的影响，提出计算最优得分检验的程序，并与真实暴露检验及直接代入方法比较。
- 材料陈述的贡献
- 摘要称，该程序灵活且简单，能绕开部分估计困难；作者推导相对真实暴露检验的渐近效率，并比较朴素代入检验。
- 阅读关注点
- 应核对替代变量与真实暴露之间的信息要求、最优检验的定义、无关联原假设的范围，以及效率比较的局部备择设置。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；替代关系及程序所需信息未说明，关联检验不能直接解释为因果识别，刊本变化未知。
原文摘要
In many epidemiological studies, the exposure variable of interest cannot be measured directly. The classical approaches to errors in variables in regression do not extend easily to the nonlinear models commonly used in epidemiological research. Furthermore, the traditional additive measurement error model cannot adequately represent many surrogate relationships. By considering the effect of using surrogate independent variables on the efficient score statistic, some of the difficulties inherent in the estimation problem may be avoided. For the null hypothesis of no association, a simple and flexible procedure can be used to calculate the optimal score test. The asymptotic relative efficiency of this test to the test based upon the true exposures is derived. The optimal test is also compared to the naive procedure of substituting the surrogate into the score test for the true exposure.