Efficient estimation in multi-phase case-control studies
多阶段病例对照研究的有效估计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：研究对象是病例对照抽样下的二元回归，不能仅因使用 logistic 模型就归为经济离散选择。
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
多阶段病例对照研究的有效估计
- 研究问题
- 在多阶段病例对照抽样中，如何构造有效的半参数最大似然估计，并将抽样设计相关的调整落实到二元回归计算？
- 方法与思路
- 作者提出适用于一般二元回归的半参数最大似然框架；在 logistic 回归中增加截距项，并修正得分与信息方程进行优化。
- 材料陈述的贡献
- 摘要称该框架统一并扩展已有多阶段病例对照分析方法，且 logistic 情形可借助前瞻似然优化中的简单修正实施。
- 阅读关注点
- 应核对各阶段抽样概率与观测信息的要求、附加截距的含义、得分及信息修正，以及一般二元模型下的效率条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明。摘要未给出抽样条件、修正公式或数值比较，不能推断所有二元模型均同样易实现。
原文摘要
In this paper we discuss the analysis of multi-phase, or multi-stage, case-control studies and present an efficient semiparametric maximum-likelihood approach that unifies and extends earlier work, including the seminal case-control paper by Prentice & Pyke (1979), work by Breslow & Cain (1988), Scott & Wild (1991), Breslow & Holubkov (1997) and others. The theoretical derivations apply to arbitrary binary regression models but we present results for logistic regression and show that the approach can be implemented by including additional intercept terms in the logistic model and then making some simple corrections to the score and information equations used in a Newton–Raphson or Fisher-scoring maximization of the prospective loglikelihood.