Verbeterde Inferentie voor Probabilistische Index Modellen

Regressie modellen hebben widescale toepassing in empirisch onderzoek voor het beoordelen van de associatie tussen een respons en covariaten. Traditionele regressie modellen richten zich op de gemiddelde respons. Zij zijn derhalve minder geschikt voor de analyse van skewly verspreid of perifere reacties. Probabilistische index modellen (PIM) vormen een nieuwe klasse van modellen voor de waarschijnlijkheid dat een verandering in covariaat patroon wordt in verband gebracht met een toename van de respons. Ze zijn modellen voor de probabilistische index, die uitdrukt hoe waarschijnlijk het is voor de eerste van twee willekeurig gekozen proefpersonen met het betreffende covariate patronen, om een ​​hogere respons dan de tweede onderwerp. Deze klasse van semi-parametrische statistische modellen is handig wanneer niet alleen het gemiddelde van de respons wordt beïnvloed door de covariaten. Bovendien gevolgtrekking voor deze modellen is robuust voor uitschieters en heeft een natuurlijke verbinding met de theorie over klassieke rang testen. Zo score testen onder een PIM generaliseren de Mann-Whitney-test doordat covariante aanpassing en door interpreteerbaar effect grootteparameters.