合并病例对照研究以实现逻辑回归中的可识别性与效率提升
统计方法学
2021-06-03 v1
摘要
例如，两项分别关于肝炎和纤维化的独立病例对照研究能否合并在一起？如果两项或多项出于完全不同目的而分别进行的病例对照研究，能够通过统一的分析合并起来并产生更好的统计性质（例如更精确的参数估计），那将大有裨益。在本文中，我们证明在使用流行的逻辑回归模型时，合并/整合分析比单一病例对照研究能对斜率参数产生更精确的估计。已知在单一逻辑病例对照研究中，与前瞻性研究相反，截距是不可识别的。然而，在合并病例对照研究中，我们证明在温和条件下截距是可识别的。所得截距与斜率的最大似然估计被证明是一致且渐近正态的，其渐近方差达到了半参数效率下界。
引用
@article{arxiv.2106.00939,
title = {Combining case-control studies for identifiability and efficiency improvement in logistic regression},
author = {Wenlu Tang and Yuanyuan Lin and Linlin Dai and Kani Chen},
journal= {arXiv preprint arXiv:2106.00939},
year = {2021}
}
备注
Yuanyuan Lin (E-mail: [email protected]), Associate Professor in Department of Statistics, The Chinese University of Hong Kong, Hong Kong is the corresponding author