A likelihood-based method for analysing longitudinal binary responses
纵向二元响应的似然分析方法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：题名明确涉及纵向二元响应，摘要建模重复响应间的时间依赖，与面板数据方向直接相关。
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
纵向二元响应的似然分析方法
- 研究问题
- 如何对纵向相关二元响应建立似然模型，同时表示高阶关联，并考察时间依赖设定错误对边际均值参数估计的影响？
- 方法与思路
- 作者以条件对数优势比参数化响应间关联，使高阶关联能够纳入多元模型，并提出求取最大似然估计的迭代两阶段程序。
- 材料陈述的贡献
- 摘要称，这种参数化下边际均值参数的最大似然估计对时间依赖误设具有稳健性，并通过两个实例展示估计方法。
- 阅读关注点
- 应核对边际均值与关联参数如何共同定义联合分布、高阶关联的约束、稳健性结论的条件，以及两阶段迭代的计算细节。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；稳健性的精确定义及条件未说明，不能推断标准误或所有模型参数同样稳健。
原文摘要
In this paper, we discuss a likelihood-based method for analysing correlated binary responses based on a multivariate model. It is related to the pseudo-maximum likelihood approach suggested recently by Zhao & Prentice (1990). Their parameterization results in a simple pairwise model, in which the association between responses is modelled in terms of correlations, while the present paper uses conditional log odds-ratios. With this approach, higher-order associations can be incorporated in a natural way. One important advantage of this parameterization is that the maximum likelihood estimates of the marginal mean parameters are robust to misspecification of the time dependence. We describe an iterative two-stage procedure for obtaining the maximum likelihood estimates. Two examples are presented to illustrate this methodology.