Matching conditional and marginal shapes in binary random intercept models using a bridge distribution function
用桥接分布匹配二元随机截距模型的条件与边际函数形式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：摘要明确研究二元响应的随机效应 logistic 模型及条件与边际回归解释。
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
用桥接分布匹配二元随机截距模型的条件与边际函数形式
- 研究问题
- 在聚类二元响应的随机截距 logistic 模型中，如何使条件与边际回归同时保持 logistic 形式并具有清晰解释？
- 方法与思路
- 作者研究随机截距的桥接分布，使积分后的边际响应仍具有 logistic 形式，并在同一模型中开展两类似然推断。
- 材料陈述的贡献
- 摘要称，这一分布设定赋予回归参数明确的总体平均解释，同时保留个体条件解释，并讨论分布性质及示例。
- 阅读关注点
- 阅读时应核对桥接分布的定义、条件与边际参数之间的对应关系，以及似然计算、分布假设和推广范围。
- 阅读边界
- 仅据所给 OpenAlex 索引摘要，稿件版本未注明；参数映射、估计条件及示例结果未提供，不能判断分布误设下的稳健性。
原文摘要
SUMMARY Random effects logistic regression models are often used to model clustered binary response data. Regression parameters in these models have a conditional, subject-specific interpretation in that they quantify regression effects for each cluster. Very often, the logistic functional shape conditional on the random effects does not carry over to the marginal scale. Thus, parameters in these models usually do not have an explicit marginal, population-averaged interpretation. We study a bridge distribution function for the random effect in the random intercept logistic regression model. Under this distributional assumption, the marginal functional shape is still of logistic form, and thus regression parameters have an explicit marginal interpretation. The main advantage of this approach is that likelihood inference can be obtained for either marginal or conditional regression inference within a single model framework. The generality of the results and some properties of the bridge distribution functions are discussed. An example is used for illustration.