重述

重述:罕见事件逻辑回归。我们研究罕见事件数据,二元因变量(事件,如战争、否决、政治活动或流行病感染)比零(无事件)少几十到几千倍。在许多文献中,这些变量被证明很难解释和预测,这个问题似乎至少有两个来源。首先,流行的统计方法,如logistic回归,可能会低估罕见事件的概率。我们建议的修正方法要优于现有方法,并改变绝对和相对风险的估计值,其变化程度与文献中所述的一些估计结果相同。其次,对于罕见事件数据,常用的数据收集策略效率极低。由于害怕在事件太少的情况下收集数据,因此收集的数据中观察到的数据数量巨大,但观测数据相对较少,而且可解释的变量也比较少,例如在国际冲突数据中,有超过25万对男女,其中只有少数处于战争状态。事实证明,存在更有效的抽样设计来做出有效的推断,比如对所有可用事件(例如战争)和一小部分非事件(和平)进行抽样。这使得学者们可以节省99%的(非固定的)数据收集成本,或者收集更有意义的解释变量。我们提供了将这两种结果联系起来的方法,使两种类型的修正同时起作用,以及实现所开发方法的软件。

此软件的关键字

这里的任何内容都将在支持canvas元素的浏览器上被替换


zbMATH中的参考文献,1标准件)

显示结果1/1。
按年份排序(引用)

  1. 迈克尔·汤姆兹;加里·金;曾兰哲:重述:罕见事件逻辑回归(2003)不是zbMATH