On marginal and conditional parameters in logistic regression models
逻辑回归模型中的边际参数与条件参数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：摘要明确涉及二元中介、直接与间接效应和有向无环图，与因果中介分析方向直接相关。
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
逻辑回归模型中的边际参数与条件参数
- 研究问题
- 在含二元中介变量且不能假定条件独立的逻辑回归中，边际参数如何联系条件参数，并用于讨论路径效应和遗漏变量影响？
- 方法与思路
- 作者在给定协变量后的有向无环图表示下推导精确参数关系，利用有界乘子讨论效应分解、敏感性分析及参数界。
- 材料陈述的贡献
- 摘要称公式涵盖若干已知结果，可分离直接与间接效应并量化遗漏协变量造成的扭曲，且扩展至二元变量系统的路径分析。
- 阅读关注点
- 应核对图结构与模型设定、效应分解对应的统计或因果含义、未观测中介时的界，以及敏感性分析所需额外假设。
- 阅读边界
- 仅据所给 Crossref 摘要，参数代数关系不能单独确立因果识别；摘要未说明混杂处理、具体效应定义及界的紧致性。
原文摘要
Summary We derive the exact formula linking the parameters of marginal and conditional logistic regression models with binary mediators when no conditional independence assumptions can be made. The formula has the appealing property of being the sum of terms that vanish whenever parameters of the conditional models vanish, thereby recovering well-known results as particular cases. It also permits the disentangling of direct and indirect effects as well as quantifying the distortion induced by the omission of relevant covariates, opening the way to sensitivity analysis. As the parameters of the conditional models are multiplied by terms that are always bounded, the derivations may also be used to construct reasonable bounds on the parameters of interest when relevant intermediate variables are unobserved. We assume that, conditionally on a set of covariates, the data-generating process can be represented by a directed acyclic graph. We also show how the results presented here lead to the extension of path analysis to a system of binary random variables.