Logistic regression for autocorrelated data with application to repeated measures
自相关数据的逻辑回归及其重复测量应用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：摘要明确将序列相关二元响应模型扩展至重复测量设置，对应纵向与面板数据建模。
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
自相关数据的逻辑回归及其重复测量应用
- 研究问题
- 对于存在序列相关的二元响应，如何让时变协变量刻画边际均值，同时将其作用与观测之间的关联参数分开？
- 方法与思路
- 作者通过马尔可夫转移概率构造随机模型，使协变量只关联过程均值，并将含可能缺失值的序列模型扩展到重复测量。
- 材料陈述的贡献
- 摘要称提出了区分协变量均值作用与关联参数的模型构造，并给出重复测量扩展及一个真实数据应用例子。
- 阅读关注点
- 应核对转移概率如何对应指定边际均值、关联参数的可行范围，以及缺失数据处理和重复测量模型的具体估计方式。
- 阅读边界
- 所给 OpenAlex 索引摘要未注明稿件版本；未说明缺失机制、估计性质或应用结果，不能把均值参数直接解释为因果效应。
原文摘要
A stochastic model is proposed for the study of the influence of time-dependent covariates on the marginal distribution of the binary response in serially correlated binary data. Markov chains are expressed in terms of transitional rather than marginal probabilities. We show how to construct the model so that the covariates relate only to the mean value of the process, independently of the association parameter. After formulating the stochastic model for a simple sequence of data with possibly missing data, the same approach is applied to a repeated measures setting and illustrated with a real data example.