小規模およびスパースデータのペナルティ化されたロジスティック回帰の推論ツール：比較研究

このペーパーでは、FIRTHのペナルティ化された可能性によって適合したロジスティック回帰モデルの推論ツールに焦点を当てています。これに関連して、「従来の」WALD統計と比較して、尤度比統計が好ましい選択であることが多いことが多いことがよくあります。この作業では、堅牢なWald、スコア、最近提案された勾配統計など、より広範なテスト統計を検討および議論します。シミュレーション実験と2つの実際のデータセットの分析を介した間隔推定と仮説検査の観点から、これらすべての漸近的に同等の統計を比較します。尤度比統計は、FIRTHのペナルティ化されたロジスティック回帰で最良の推論デバイスではないことがわかります。

This paper focuses on inferential tools in the logistic regression model fitted by the Firth penalized likelihood. In this context, the Likelihood Ratio statistic is often reported to be the preferred choice as compared to the 'traditional' Wald statistic. In this work, we consider and discuss a wider range of test statistics, including the robust Wald, the Score, and the recently proposed Gradient statistic. We compare all these asymptotically equivalent statistics in terms of interval estimation and hypothesis testing via simulation experiments and analyses of two real datasets. We find out that the Likelihood Ratio statistic does not appear the best inferential device in the Firth penalized logistic regression.