关于误分类结局下逻辑回归模型的全局可识别性
统计理论
2021-03-25 v1 统计理论
摘要
在过去十年中，对来自卫生系统（如电子健康记录）的大数据的二次利用，在推进生物医学发现和改善临床决策方面展现出巨大前景。然而，人们对源自电子健康记录的二值结局中误分类所引起的关联研究偏倚日益关注。我们重新审视了具有误分类结局的经典逻辑回归模型。尽管在某些相关设定下局部识别条件此前已建立，此类模型的全局识别在很大程度上仍属未知，且是一个尚待回答的重要问题。我们利用一种称为子模型分析的新方法，以及改编自常微分方程 Picard-Lindelöf 存在性定理的技术，推导了误分类结局下逻辑回归模型全局可识别的充要条件。特别地，我们的结果适用于具有离散协变量的逻辑模型，这是生物医学研究中的常见情形，且这些条件在实践中易于验证。除模型可识别性外，当模型在原假设下不可识别时，我们提出了一种针对误分类逻辑回归模型中回归系数的假设检验方法。
引用
@article{arxiv.2103.12846,
title = {On the global identifiability of logistic regression models with misclassified outcomes},
author = {Rui Duan and Yang Ning and Jiasheng Shi and Raymond J Carroll and Tianxi Cai and Yong Chen},
journal= {arXiv preprint arXiv:2103.12846},
year = {2021}
}