On Errors-in-Variables for Binary Regression Models
二元回归模型中的变量测量误差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：摘要直接研究二元结果回归及事件概率估计，与离散选择方向最直接相关。
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…
二元回归模型中的变量测量误差
- 研究问题
- 当二元回归的部分解释变量存在测量误差时，事件概率估计会受到怎样的影响，尤其是在高风险群体中？
- 方法与思路
- 作者在正态测量误差设定下考察结构式最大似然估计，并针对测量误差较大的情形研究条件最大似然估计及其性质。
- 材料陈述的贡献
- 摘要称较大的测量误差可能使通常的事件概率估计严重失真，高风险群体尤为明显，并研究一种条件最大似然方法。
- 阅读关注点
- 核对解释变量分布与误差机制的设定、条件似然的构造，以及大测量误差和高风险群体在分析中的具体定义。
- 阅读边界
- 依据版本未注明的 OpenAlex 索引摘要；摘要未说明全部识别条件、估计性质和误差幅度，不能推广到任意测量误差分布。
原文摘要
We consider binary regression models when some of the predictors are measured with error. For normal measurement errors, structural maximum likelihood estimates are considered. We show that if the measurement error is large, the usual estimate of the probability of the event in question can be substantially in error, especially for high risk groups. In the situation of large measurement error, we investigate a conditional maximum likelihood estimator and its properties.