{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{-“日期-部件”：[[2024,3,8]]，“日期-时间”：“2024-03-08T16:38:51Z”，“时间戳”：1709915931455}，“参考-计数”：41，“出版商”：“Springer Science and Business Media LLC”，“问题”：“3”，“许可证”：[{“开始”：{“日期-零件”：[2020,11,23]]，”日期-时间“：“2020-11-23T00:00:00Z”，“timestamp”：160608960000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“https:\\/www.springer.com/tdm”}，{“start”：{“date-parts”：[[2020,11,23]]，“date-time”：“2020-11-23T00:00:00Z”，“timetamp”：1600896000000}，”content-versiion“：”vor“，”delay-in-days“：0，”URL“：”https:\\//www.springer.com/td m“}]，“内容域”：{“域”：[“link.springer.com”]，“crossmark-restriction”：false}，“short-container-title”：[“Adv Data Anal Classif”]，“published-print”：{“date-parts”：[2021,9]]}，”DOI“：”10.1007\/s11634-020-0043-7“，”type“：”journal-article“，”created“：{”date-part“：[2020,11,23]]，”date-time“：”2020-11-23T08:02:57Z“，”timestamp“：1606118577000}“page”：“701-734”，“”更新政策“：“http://\/dx.doi.org\/10.1007\/springer_crossmark_policy”，“source”：“Crossref”、“is-referenced-by-count”：5，“title”：[“具有复杂调查设计的多体逻辑回归的稳健半参数推断”]，“prefix”：“10.1007”，《volume》：“15”，“author”：[{“ORCID”：”http://\/ORCID.org\/00000-0002-9626-6449“，”authenticated-ORCID“：false，”给定“Elena”，“family”：“Castilla”，“sequence”：“first”，“affiliation”：[]}，{“ORCID”：“http://\/ORCID.org\/00000-0003-3688-4584”，“authenticated-ORCID”：false，“given”：”Abhik“，”family“：”Ghosh“，”sequence“：”additional“，”affiliance“：[]neneneep，{”ORCID“：”http://\/ORCID.org\/100000-0003-4766-1909“，”authenticationd-orgid“：false”，“giving”：“Nirian”，“family”：“Martin”，“sequence”：“additional”，“从属关系”：[]}，{“ORCID”：“http://\/ORCID.org\/0000-0003-2005-8245”，“authenticated-ORCID”：false，“给定”：“Leandro”，“家族”：“Pardo”，“序列”：“附加”，“从属”：[]}，“成员”：“297”，“published-online”：{“date-parts”：[2020,11,23]]}“，”doi“：”10.1002\/0471249688“，”卷标签“：“分类数据分析”，“作者”：“A Agresti”，“年份”：“2002年”，“非结构化”：“Agresti A（2002）分类数据分析，第二版。Wiley，Hoboken”，“版本”：“2”}，{“键”：“430_CR2”，“doi-asserted-by”：“出版商”，“首页”：“193”，“doi”：“10.1007 \/s1122-015-9616-z”，“卷”：“27”，“作家”：“JM Alonso-Revenga”，“年度”：“2017年”“，”非结构化“：“Alonso-Revenga JM，Mart\u00edn N，Pardo L（2017）聚类多项式数据和不等簇大小模型中过度分散的新改进估计量。统计计算27:193\u2013217”，“期刊标题”：“统计计算”}，{“key”：“430_CR3”，“doi-asserted-by”：“publisher”，“first page”：”549“，“doi”：“10.1093\/biomet\/85.549”，“volume”：：“85”，“author”：“A Basu”，“year”：“1998”，“unstructured”：“Basu A，Harris IR，Hjort NL，Jones MC（1998）通过最小化密度幂散度进行稳健有效的估计。Biometrika 85:549\u2013559”，“journal-title”：“Biometrica”}，{“key”：“430_CR4”，“doi-asserted-by”：“publisher”，《doi》：“10.1201\/b10956”，“volume-tite”：“统计推断：最小距离方法”，“author”：“A Basu”，“year”：“2011”，“unstructured”：“Basu A，Shioya H，Park C（2011）统计推断：最短距离方法。Chapman&Hall，CRC，Boca Raton”}，{“key”：“430_CR5”，“doi-asserted-by”：“publisher”，《首页》：“2741”，“doi”：“10.1214\/17-EJS1295”，《卷》：“11”，“作者”：“B asu”，“年份”：“2017年”，“非结构化”：“Basu A，Ghosh A，Mandal N Martin，Pardo L（2017）基于最小密度幂散度估计的逻辑回归模型线性假设检验的Wald型检验统计量。Electron J Stat 11:2741\u20132772”，“journal title”：“Electron J-Stat”}，{“key”：“430_CR6”，“doi-asserted-by”：“publisher”，“first page”：“493”，“DOI”：“10.1007\/s00184-018-0653-4”，“volume”：“81”，“author”：“A Basu”，“year”：“2018”，“unstructured”：“Basu A，Ghosh A，Martin N，Pardo L（2018）基于最小密度幂散度估计的非齐次观测的稳健Wald型检验。Metrika 81:493\u2013522”，“journal-title”：“Metrika”}，{“key”:“430_CR7”，“DOI-asserted-by”：“crossref”，“unstructured”：“Beaumont JF，Rivest LP（2009）处理调查数据中的异常值，第11章。收录于：Rao（ed）《统计手册》，第29卷，A部分。Elsevier“，”DOI“：”10.1016\/S0169-7161（08）00011-4“}，{”key“：”430_CR8“，”DOI-asserted-by“：”publisher“，”first page“：（2013）有限总体抽样中鲁棒估计的统一方法。Biometrika 100:555\u2013569“，”journal-title“：”Biometrica“}，{“key”：“430_CR9”，”first page“：”445“，”volume“：“5”，“author”：“R Beran”，“year”：“1977”，“unstructured”：“Beran R（1977）参数模型的最小Hellinger距离估计值。Ann Stat 5:445\u2013 463”，“journal-title”：“Ann Stat”}，“key“430_CR10”，“doi-asserted-by”：“publisher”，“first”页面“：”4095“，“DOI”：“10.1016\/j.csda.2009.04.015”，“volume”：“53”，“author”：“AM Bianco”，“year”：“2009”，“unstructured”：“Bianco AM，Martinez E（2009）逻辑回归模型中的稳健测试。Comput Stat Data Ana 53:4095\u20134105“，“journal-title”：“Comput Stat Data Anal”}，{“key”：“430_CR11”，“doi-asserted-by”：“crossref”，“unstructured”：“Bianco AM，Yohai VJ（1996）逻辑回归模型中的稳健估计。in：稳健统计、数据分析和计算机密集型方法（Schloss Thurnau，1994）统计课堂讲稿第109卷。Springer，纽约，pp 17\u201334“，”DOI“：”10.1007\/978-1-4612-2380-1_2“}，{”key“：”430_CR12“，”DOI-asserted-by“：”publisher“，”first page“：“279”，“DOI”：“10.2307\/1402588”，“volume”：“51”，“author”：“DA Binder”，“year”：“1983”，“unstructured”：“Binder DA（1983）关于复杂调查的渐近正态估计的方差。Int Stat Rev 51:279\u2013292“，”journal-title“：”Int Stat Rev“}，{”key“：”430_CR13“，”doi-asserted-by“：”publisher“，”first page“：“742”，”doi“：”10.1016\/j.jspi.2007.01.004“，”volume“：有偏抽样模型的特征函数方法，应用于稳健logistic回归。J Stat Plan Inference 138:742\u2013755“，”journal-title“：”J Stat Plan Inferency“}，{“key”：“430_CR14”，“doi-asserted-by”：“publisher”，“first page”：”381“，“doi”：“10.1007”\/s10182-017-0311-6“，”volume“：”102“，”author“：”E Castilla“，”year“2018”，“unstructured”：“Castilla E，Martin N，Pardo L（2018）”复杂样本设计下多项式logistic回归的最小phi-收敛估计。Adv Stat Anal 102:381\u2013411“，”journal-title“：”Adv Stat-Anal“}，{”key“：”430_CR15“，”doi-asserted-by“：”publisher“，”first page“：“1282”，”doi“：”10.1111\/biom.12890“，”volume“：：”74“，”author“：”E Castilla“，”year“：”2019“，”unstructured“：”Castilla E，Ghosh A，Martin N，Pardo L（2019）多模logistic回归模型的新稳健统计程序。生物统计学74:1282\u20131291“，”journal-title“：”Biometrics“}，{”key“：”430_CR16“，”doi-asserted-by“：”publisher“，”first page“：“1063”，”doi“：”10.1080\/01621459.1986.10478374“，”volume“：journal-title“：”J Am Stat Assoc“}，{”key“：”430_CR17“，”doi-asserted-by“：”publisher“，”first page“：“273”，“doi”：“10.1016\/S0167-9473（03）00042-2”，“volume”：“44”，“author”：“C Croux”，“year”：“2003”，“unstructured”：“Croux C，Haesbrock G（2003）Implementation the Bianco and Yohai estimator for logistic regression。计算统计数据分析44:273\u2013295”，“journal-title“：”Comput-Stat Data Ana“}，{”key“：”430_CR18“，”unstructured“：”统计部（DOS）和ICF（2019）约旦人口、家庭和健康调查2017-18。约旦安曼和美国马里兰州罗克维尔：DOS和ICF。https:\/\/dhsprogram.com/publications\/publication-fr346-dhs-final-reports.cfm。访问日期：2020年11月20日“}，{“key”：“430_CR19”，“doi-asserted-by”：“publisher”，“first page”：”2420“，“doi”：“10.1214\/13-EJS847”，“volume”：第7页，“author”：“A Ghosh”，“year”：“2013”，“unstructured”：“Ghosh A，Basu A（2013）使用密度幂散度对独立非齐次观测值进行稳健估计，并应用于线性回归。Electron J Stat 7:2420\u20132456“，”journal-title“：”Electron J.Stat“}，{”key“：”430_CR20“，”doi-asserted-by“：”publisher“，”first page“：“2056”，”doi“：”10.1080\/02664763.2015.1016901“，”volume“:”42“，”author“：”A Ghosh“，”year“：”2015“，”unstructured“：”Ghosh A，Basu A（2015）非齐次数据的鲁棒估计和最优调谐参数的选择：密度功率发散方法。J Appl Stat 42:2056\u20132072“，”journal-title“：”J Appl Stat“}，{”key“：”430_CR21“，”doi-asserted-by“：”publisher“，”first page“：“269”，”doi“：”10.1007\/s11749-015-0445-3“，”volume“：‘25’，”author“：”A Ghosh“，”year“：”2016“，”unstructured“：”Ghosh A，Basu A（2016）广义线性模型中的稳健估计：密度幂散度方法。TEST 25:269\u2013290“，”journal-title“：”TEST“}，{“key”：“430_CR22”，“first page”：”1133“，”volume“：”28“，”author“：”A Ghosh“，”year“：”2018“，”unstructured“：”Ghosh A，Basu A（2018）独立但非均匀观测的稳健有界影响测试。Stat Sin 28:1133\u20131155 ted-by“：”publisher“，“first page”：“159”，“DOI”：“10.1007\/s10260-006-0008-6”，“volume”：”15“，“author”：“AK Gupta”，“year”：“2006”，“unstructured”：“Gupta AK，Kasturiratna D，Nguyen T，Pardo L（2006）基于密度幂散度测度的多峰logistic回归模型的BAN估计的新族。Stat Methods Appl 15:159\u2013176“，”journal-title“：”Stat Met方法Appl“}，{”key“：”430_CR24“，”doi-asserted-by“：”publisher“，“首页”：“495”，“doi”：“10.1080\/02331880701819345”，“卷”：“42”，“作者”：“AK Gupta”，“年份”：“2008”，“非结构化”：“Gupta AK，Nguyen T，Pardo L（2008）基于密度幂发散检验统计量的多元logistic回归模型的残差。统计学42:495\u2013514“，“journal-title”：“统计学”}，{“key”：“430_CR25”，“volume-title“：“稳健统计学：基于影响函数的方法”，“author”：“FR Hampel”，“year”：“1986”，“unstructured”：“Hampel FR，Ronchetti E，Rousseeuw PJ，Stahel W（1986）稳健统计学：以影响函数为基础的方法”。Wiley，New York“}，”{“关键”：“430_CR26“，”doi-asserted-by“：”publisher“，”first page“：”241“，”doi“：”10.1007\/BF02595695“，”volume“：“10”，”author“：”R Jim\u00e9nez“，”year“：”2001“，”unstructured“：”Jim\u 00e9nerz R，Shao Y（2001）关于最小散度估计量的稳健性和效率。测试10:241\u2013248“，”journal-title“：”Test“}，{”key“：”430_CR27“，”doi-asserted-by“：”publisher“，”first-page“：”59“，”doi“：”10.1093\/biomet\/72.159“，“volume”：“72”，“author”：“W Johnson”，“year”：“1985”，“unstructured”：“Johnson W（1985）logistic regression的影响度量：另一个观点。生物统计学72:59\u201365”，“journal-title”：“Biometrics”}，{“key”：“430_CR28”，“doi-asserted-by”：“publisher”，“first page”：：“425”，“doi”：“10.2307\/2347731”，“volume”：”38“，“author”：“E Lesaffre”，“year”：“1989”，“unstructured”：“Lesaffre-E，Albert A（1989）多组逻辑回归诊断。应用统计38:425\u2013440”，”日志标题“：”应用统计“}，{”key“：”430_CR29“，”doi-assert-by“：“publisher”，“首页”：“1081”，“DOI”：“10.1214\/aos\/1176325512”，“volume”：“22”，“author”：“BG Lindsay”，“year”：“1994”，“unstructured”：“Lindsay BG（1994）效率与稳健性：最小Hellinger距离和相关方法的情况。Ann Stat 22:1081\u20131114”，“journal-title”：“Ann Stat.”}，{“key”：，“year”：“1980”，“unstructured”：“McCullagh P（1980）普通数据的回归模型。J R Stat Soc Ser B 42:109\u2013142”，“journal title”：“J R Stat Soc Ser B”}，{“key”：“430_CR31”，“first page”：”203“，”volume“：”15“，”author“：”G Morel“，”year“：”1989“非结构化”：“Morel G（1989）复杂调查设计下的Logistic回归。Surv Methodol 15:203\u2013223“，”journal-title“：”Surv Methodol“}，{”key“：”430_CR32“，”first page“：“187”，“volume”：“44”，“author”：“JG Morel”，“year”：“1995”，“unstructured”：“Morel JG，Koehler KJ（1995）一步高斯\u2013Newton估计量，用于建模具有无关变量的分类数据。J R Stat Soc Ser C 44:187\u2013200”，“journal-title”：“”J R Stat Soc Ser C“}，{“key”：“430_CR33”，“volume-title”：“SAS中的过度分散模型”，“author”：“G Morel”，“year”：“2012”，“unstructured”：“Morel G，Neerchal NK（2012）SAS中的过分散模型。SAS Institute，Cary”}，“key“：L Pardo”，“年份”：“2005年”，“非结构化”：“Pardo L（2005）基于散度测度的统计推断。统计学：特刊和专著。Chapman&Hall，CRC，纽约“}，{“key”：“430_CR35”，“unstructured”：“Raim AM，Neerchal NK，Morel JG（2015）R.技术报告HPCI-2015-1 UMBCH高性能计算设施，马里兰州大学，巴尔的摩郡”}中的模型过度分散，{”key“：”430_CR36“，”doi-asserted-by“：”publisher“，”first page“：“1”，“doi”：“10.1093\/biomet\/74.1.1”“，”卷：“74”，“作者”：“G Roberts”，“年份”：“1987”，“非结构化”：“Roberts G，Rao JNK，Kumer S（1987）抽样调查数据的Logistic回归分析。Biometrika 74:1\u201312“，”journal-title“：”Biometrica“}，{”key“：”430_CR37“，”doi-asserted-by“：”publisher“，”first page“：“315”，“doi”：“10.1016\/S0167-9473（02）00304-3”，“volume”：“43”，“author”：“PJ Rousseeuw”，“year”：“2003”，“unstructured”：“Rousseauw PJ，Christmann A（2003）”逻辑回归中抗分离和离群值的稳健性。《计算统计数据分析》43:315\u2013332“，”journal-title“：”Comput Stat Data Anal“}，{“key”：“430_CR38”，“unstructured”：“Tambay JL（1988）《处理次年度经济调查中离群值的综合方法》。摘自：《调查研究方法》一节论文集。美国统计协会，第229\u2013234“}页，{”key“：”430_CR39“，”doi-asserted-by“：”publisher“，”first-page“：”353“，”doi“：”10.1016\/j.crma.2007.07.024“，”volume“：”345“，”author“：”A Toma“，”year“：”2007“，”unstructured“：”Toma A（2007）一些多元模型的最小Hellinger距离估计：影响函数和崩溃点结果。C R Math 345:353\u2013358“，”journal-title“：”C R Math“}，{”key“：”430_CR40“，”doi-asserted-by“：”publisher“，”first page“：“581”，”doi“：”10.1080\/00949650412331299120“，”volume“：75“，”author“：”J Warwick“，”year“：”2005“，”unstructured“：”Warwick J，Jones MC（2005）选择鲁棒性调整参数。J Stat Compute Simul 75:581\u2013588“，“日志标题“：”J Stat Compute Simul“}，{”key“：”430_CR41“，”first page“：“439”，“volume”：“61”，“author”：“RWM Wedderburn”，“year”：“1974”，“unstructured”：“Wedderburn RWM（1974）拟似然函数，广义线性模型，Gauss-Newton方法。生物特征61:439\u2013447”，“journal title”：“Biometrika”}]，“container-title”：[“”数据分析和分类进展“]，”original-title“：[]，”language“：”en“，”link“：[{”URL“：”https:\/\/link.springer.com/content\/pdf\/10.1007\/s11634-020-0043-7.pdf“，”content-type“：”application\/pdf“，”content-version“：”vor“，”intended-application“：”text-mining“}，”{“URL”：“https:\/\/link.springer.com/article\/10.1007\/s11634-020-0043-7\/fulltext.html“，”content-type“：”text\/html“，”content-version“：”vor“，”intended-application“：”text-mining“}，{”URL“：”https:\//link.springer\com/content\/pdf\/10.10007\/s11634.020-00430-7.pdf“，”内容-type”：“application\/pdf”，“content-version”：“vor”，“intended-application”：“”相似性检查“}”，“存放”：{“日期-部分”：[[2021,8,31]]，“日期-时间”：“2021-08-31T10:25:52Z”，“时间戳”：163040552000}，“分数”：1，“资源”：{“主要”:{“URL”：“https:\/\/link.springer.com\/10.1007\/s11634-020-0043-7”}，，“references-count”：41，“journal-issue”：{“issue”：“3”，“published-print“：{“date-parts”：[[2021,9]]}}，“alternative-id”：[“430”]，“URL”：“http://\/dx.doi.org\/10.1007\/s11634-020-0043-7”，“relationship”：{}，”ISSN“：[“1862-5347”，“1862-555”]，”ISSN-type“：[{“value”：“1862-6347”，”type“print”}，{“value”：“862-5355”，“type”：”electronic“}]，“主题”：[]，“发布”：{“日期部分”：[[2020,11,23]]}，“断言”：[{“值”：“2019年10月23日“，”订单“：1，”名称“：”收到“，”标签“：”接收“，”组“：组“：{”名称“：”ArticleHistory“，”label“：”Article History”}}，{“value”：“2020年11月23日”，“order”：4，“name”：“first_online”，“label”：“first online”，”group“：{“name”:“ArticleHistory”，“table”：“Article历史”}}]}}