A class of binary response models for grouped duration data
分组持续时间数据的一类二元响应模型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。
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：摘要明确研究 Probit 与 Logit 二元响应设定及其在区间生存模型中的含义。
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
分组持续时间数据的一类二元响应模型
- 研究问题
- 研究 Probit、Logit 与比例风险模型在分组持续时间数据中的联系，以及不同设定如何改变风险率和变量效应。
- 方法与思路
- 作者根据逐期分布函数构造一般风险模型，纳入比例风险、Probit 与 Logit 设定，并用失业持续时间数据展示差异。
- 材料陈述的贡献
- 摘要称统一框架便于比较模型及识别问题；Probit 的离散风险效应更明显偏离比例性，且效应时间形态有不同特征。
- 阅读关注点
- 应核对各模型对应的区间生存概率、离散风险与导数定义，以及变量效应比较是否受参数化和分组方式影响。
- 阅读边界
- 仅据所给 Crossref 摘要，不能确定识别条件或哪种模型更适合应用；部分维度相近并不意味着模型可以互换。
原文摘要
Abstract This paper explores the relationship between conventional models for binary response such as the probit and logit, and the proportional hazard (PH) and related specifications for grouped duration data. I outline a general class of hazard models for grouped duration data based upon the choice of period‐specific distribution functions, facilitating a thorough analysis of the implications of various specifications and consideration of various issues of model identification. This class of models nests, among others, the proportional hazard, probit, and logit specifications for interval survival. I consider the implications of various specifications for hazard behaviour, focusing on familiar specifications. While the specifications will generally yield results that are quite similar along a number of dimensions, there are significant differences. The probit model generates non‐proportional effects of variables on the discrete hazard, while the logit and PH tend to show only slight non‐proportionality. Furthermore, while the effects of variables on the derivatives are considerably larger for the probit specification, the time‐pattern of the probit effects is relatively insensitive to changes in explanatory variables. I illustrate these issues by providing an example taken from Katz's (1986) unemployment data from the Panel Study of Income Dynamics.