[論文レビュー] A Compound Logistic Regression Model for Binary Responses

Anthony Almudevar, Jacob Almudevar|arXiv (Cornell University)|Feb 5, 2026

Statistical Methods and Bayesian Inference被引用数 0

ひとこと要約

この論文は、二値結果のモデリングを拡張して相関する応答と共変量を扱い、複数のロジスティック成分を組み合わせることで柔軟な平均構造を生成する複合ロジスティック回帰フレームワークを提案する。

ABSTRACT

Logistic regression is the most commonly used method for constructing predictive models for binary responses. One significant drawback to this approach, however, is that the asymptotes of the logistic response function are fixed at 0 and 1, and there are many applications for which this constraint is inappropriate. More flexible models have been proposed for this application, most proceeding by supplementing the logistic response function with additional parameters. In this article we extend these models to allow correlated responses and the inclusion of covariates. This is achieved through the \emph{compound logistic regression model}, for which the mean response is a function of several logistic regression functions. This permits a greater variety of models, while retaining the advantages of logistic regression.

研究の動機と目的

• 標準的なロジスティック回帰を超える柔軟な二値応答モデルの必要性を動機づける（非標準の漸近値のため）。
• 複数のロジスティック成分を組み合わせて1つの平均関数へ結合する複合ロジスティック枠組みを開発する。
• 共変量に依存する臨界点とCOP（correlate of protection）の概念を含む漸近値を許容する。
• 推定方程式に基づく推論手法を提供し、正則化とモデル選択を検討する。
• COP様式の概念とワクチン有効性の考え方を、共変量依存の柔軟な二値モデルに組み込む。

提案手法

• 定義された組成関数Hを介して複数のロジスティック成分を連結して二値応答の平均関数を構成する。
• 共変量依存を許容する一般化ロジスティック形で漸近値とCOP閾値を表現する。
• 独立性または相関の下で推定方程式G(θ)=0を使用し、分散成分VθとワーキングウェイトWθを用いて推論を行う。
• 推定方程式にリッジ型ペナルティなどの正則化を許容し、パラメータ分布の近似を導出する。
• ペアデータのGOF基準に基づくパラメータ選択とモデル選択のための交差検証を議論する。
• 複合モデルの勾配が成分勾配の加重和になる一般的な導出を示す（方程式39）。

Figure 1: Decision tree representation of infection/COP process introduced in Section 1.3.2 .

実験結果

リサーチクエスチョン

• RQ1 ロジスティックモデルを、解釈性を保ちながら固定された漸近値を持たないように一般化するにはどうすればよいか？
• RQ2 共変量の影響と潜在的な相関の下で、複数のロジスティック成分を組み合わせて二値応答の平均をどのようにモデル化するか？
• RQ3 応答が相関している場合に推論をどのように行い、結果として生じる分散をどのように推定するか？
• RQ4 複合ロジスティック枠組みへ正則化と交差検証をどのように統合するか？
• RQ5 COP様式の概念とワクチン有効性を、柔軟で共変量依存の二値モデルへどのように組み込むか？

主な発見

• 複合ロジスティックモデルが提案され、平均は複数のロジスティック成分と結合関数Hによる関数として表現される。
• 漸近値aLとaUは別々のロジスティック成分でモデル化され、二値応答の非固定境界を可能にする。
• 相関する応答にも対応できるよう推定方程式と適切な分散モデルを使用する。
• 正則化は適合を安定化させ、バイアス-分散のトレードオフを導入し、交差検証がペナルティとモデル選択を導く。
• 導関係構造は全体の勾配が成分勾配の線形結合であることを示し、推定をスケーラブルにする。
• この方法論はRパッケージCLmodelに実装されている。

Figure 2: Response curve for simulated model of Section 5 .