A marginalized three-part interrupted time series regression model for proportional data
比例数据的边际化三部分中断时间序列回归模型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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要明确以政策干预评估为应用，并研究比例结局的时间依赖与中断时间序列模型。
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…
比例数据的边际化三部分中断时间序列回归模型
- 研究问题
- 当比例结局有大量零值和一值、分布偏斜且存在时间依赖时，如何通过中断时间序列分析政策干预与边际均值的关系？
- 方法与思路
- 作者提出边际化零一膨胀 Beta 时间序列模型，用 copula 描述时间依赖，并将协变量效应直接联系到结局的边际均值。
- 材料陈述的贡献
- 摘要称，该模型兼顾比例数据的端点质量、时间依赖和边际均值解释，并通过模拟研究及真实中断时间序列应用考察表现。
- 阅读关注点
- 应核对三部分分布如何与边际均值参数衔接、copula 的设定，以及干预效应解释所需的趋势、同期事件和依赖假设。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收均未核实；摘要未说明干预识别条件、依赖结构限制及模拟和应用的具体结果。
原文摘要
Interrupted time series (ITS) is often used to evaluate the effectiveness of a health policy intervention that accounts for the temporal dependence of outcomes. When the outcome of interest is a percentage or percentile, the data can be highly skewed, bounded in $[0, 1]$, and have many zeros or ones. A three-part Beta regression model is commonly used to separate zeros, ones, and positive values explicitly by three submodels. However, incorporating temporal dependence into the three-part Beta regression model is challenging. In this article, we propose a marginalized zero-one-inflated Beta time series model that captures the temporal dependence of outcomes through copula and allows investigators to examine covariate effects on the marginal mean. We investigate its practical performance using simulation studies and apply the model to a real ITS study.