Experimental Design for Binary Data
二元数据的实验设计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：摘要研究二元响应的通用实验设计，没有提供个体选择行为模型或因果效应识别的文本依据。
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
二元数据的实验设计
- 研究问题
- 二元数据模型的信息矩阵依赖未知参数时，如何调整最优实验设计，并评估初值误差、阶段数和设计点数量？
- 方法与思路
- 作者主要研究依赖初始参数估计的设计及少阶段序贯设计的稳健性与设计点数，并讨论一或两参数模型的恒定信息准则。
- 材料陈述的贡献
- 摘要所述贡献是分析上述设计方法的稳健性和设计点数量，并在最后一节讨论恒定信息准则及相关已有结果。
- 阅读关注点
- 应核对二元响应模型、初始估计偏差的处理、序贯更新规则，以及设计点数结论和恒定信息准则的适用范围。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未列出具体设计、稳健性结论或比较数值，二元响应本身不足以认定为离散选择研究。
原文摘要
Models for binary data are usually such that the information matrix depends on the unknown parameters. Thus the standard criteria for optimality in regression experiments cannot be applied without modification. Methods of going around this difficulty include the use of initial point estimates, sequential methods, and Bayesian analysis. This article is mainly concerned with the robustness and the number of design points for methods involving initial estimates, and for sequential methods in a small number of stages. A final section discusses the criterion of constant information for models involving one or two parameters, and summarizes recent results in this field.