Orthogonal Locally Ancillary Estimating Functions for Matched Pair Studies and Errors in Covariates
配对研究与协变量测量误差中的正交局部辅助估计函数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：摘要聚焦配对数据与测量误差的估计理论，未明确给出因果识别或经济结构模型依据。
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
配对研究与协变量测量误差中的正交局部辅助估计函数
- 研究问题
- 在配对研究及带协变量测量误差的函数模型中，如何处理大量干扰参数造成的推断困难，并减轻估计偏差？
- 方法与思路
- 作者提出正交局部辅助估计函数，仅使用均值模型和部分方差建模，在小离散程度与大样本的联合渐近框架下分析。
- 材料陈述的贡献
- 摘要称方法实现推断的一阶偏差校正，模拟中优于常规剖面估计函数，并应用于含测量误差协变量的住院时长研究。
- 阅读关注点
- 应核对正交性与局部辅助性的定义、联合渐近框架，以及固定未知协变量处理方式和模拟比较所用的评价指标。
- 阅读边界
- 仅依据所给 Crossref 摘要；具体均值与方差限制、偏差校正成立条件及改善幅度未说明，不能推断刊本其他内容。
原文摘要
Summary We propose an estimating function method for two related applications, matched pair studies and studies with errors in covariates under a functional model, where a mismeasured unknown scalar covariate is treated as a fixed nuisance parameter. Our method addresses the severe inferential problem that is posed by an abundance of nuisance parameters in these two applications. We propose orthogonal locally ancillary estimating functions for these two applications that depend on merely the mean model and partial modelling of the variances of the observations (and observed mismeasured covariate, if applicable), and we achieve first-order bias correction of inferences under a ‘small dispersion and large sample size’ asymptotic. Simulation results confirm that the estimator proposed is largely improved over that using a regular profile estimating function. We apply the approach proposed to a length of hospital stay study with a mismeasured covariate.