Logistic Regression With Brownian-Like Predictors
具有类布朗运动预测变量的逻辑回归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：摘要研究生物医学函数型二元回归，未明确涉及经济离散选择行为或其他所列方向。
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
具有类布朗运动预测变量的逻辑回归
- 研究问题
- 当预测变量是具有类布朗运动路径性质的函数轨迹时，如何识别对二元响应最有预测力的时间位置，是本文的问题。
- 方法与思路
- 作者将时间点作为参数建立函数型逻辑回归，扩展至广义线性模型，并在前瞻性与病例对照抽样下构造置信区间。
- 材料陈述的贡献
- 摘要称，方法可定位与响应有关的敏感时间点；功能磁共振和基因表达应用展示了时间位置与染色体位置的识别。
- 阅读关注点
- 应核对类布朗运动的具体路径要求、时间点参数的可识别性，以及不同抽样设计下置信区间的构造和覆盖条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未列出路径条件和推断细节，预测性时间点不能据此解释为因果作用。
原文摘要
This article introduces a new type of logistic regression model involving functional predictors of binary responses, and provides an extension of this approach to generalized linear models. The predictors are trajectories that have certain sample path properties in common with Brownian motion. Time points are treated as parameters of interest, and confidence intervals are developed under prospective and retrospective (case-control) sampling designs. In an application to functional magnetic resonance imaging data, signals from individual subjects are used to find the portion of the time course that is most predictive of the response. This allows the identification of sensitive time points specific to a brain region and associated with a certain task, which can be used to distinguish between responses. A second application concerns gene expression data in a case-control study involving breast cancer, where the aim is to identify genetic loci along a chromosome that best discriminate between cases and controls.