The Effects of Discarding Inliars When Binomial Data are Subject to Classification Errors
二分类数据存在误分类时剔除阈值附近观测的影响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：摘要讨论一般二分类测量误差及比例、关联估计，未研究离散选择行为模型或因果效应。
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
二分类数据存在误分类时剔除阈值附近观测的影响
- 研究问题
- 当有序尺度经阈值切分为二分类且误分类集中在阈值附近时，剔除容易出错的观测能否改善总体比例及二元变量关联的估计？
- 方法与思路
- 作者通过数值研究分析测量与分类误差导致的偏差，评估删除阈值附近观测对偏差和均方误差的影响，并讨论排除区间选择。
- 材料陈述的贡献
- 摘要称在所研究情形中，剔除最易误分类的观测有利于降低偏差与均方误差，并提供选择最优排除区间的指导。
- 阅读关注点
- 阅读时应核对误分类概率随阈值距离的变化、删除后的估计对象，以及排除区间如何权衡样本损失、选择偏差与误分类减少。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未给误分类模型、优化准则或数值范围，不能推广为遇到分类误差就应删样本。
原文摘要
This article deals with the biasing effects of errors of measurement on the estimation of a population proportion or on the degree of association between two dichotomous variables. Consider a dichotomy that is formed by making a cut on an ordered scale, where errors of classification occur with greatest frequency in the neighborhood of the cut. It is demonstrated through numerical investigation that it is advantageous, both in terms of bias and of mean square error, to discard those observations which are most subject to error. Guidelines are provided for choosing an optimum exclusion interval.