背景对于结局指标为二分类的数据,目前已有较多分析模型,其中最常用的参数模型为Logistic回归模型。但参数模型依赖模型假设,当假设不满足时往往得出错误的结论。非参数/半参数模型相比参数模型假设更少因此也更为稳健,目前针对二分类结局变量也有非参数/半参数模型提出。最近Yuan et al(2020)提出了一个可以广泛应用于等级资料的稳健半参数等级回归模型(Robust Semiparametric Ordinal Regression Model)该模型假设应变量是关于自变量线性组合的单调递增函数,并假设该单调递增函数未知,相比于现存的半参数模型其无需对链接函数进行假设,模型更加灵活。因此,本研究拟借鉴其思路,将其拓展于反应变量为二分类的场合。目的本研究借鉴已有针对等级资料的稳健半参数等级回归模型,旨在构建适用于二分类反应变量的稳健半参数回归模型(Robust Semiparametric Binary Regression Model,Robust SBRM),并将其与传统Logistic回归模型在统计性能方面进行比较。方法Yuanetal(2020)的半参数等级回归模型,适用于等级资料。用于二分类资料时,需要对模型进行调整,构建适用于二分类数据的半参数回归模型(SBRM,并构建模型的对数似然函数,利用迭代算法PAVA(Pool adjacent violators algorithm)对模型参数进行估计。我们通过Monte Carlo模拟,将所提半参数模型与传统Logistic回归模型进行模拟比较,模型基于不同样本量、不同分布(正态分布、Beta分布、指数分布)产生数据,模拟比较不同样本量情况下模型的性质。模拟评价指标采用参数估计的均值和标准差、一类错误和检验效能。结果本研究将建立了适用于二分类资料的半参数回归模型(SBRM),并提出了相应的未知参数估计方法及统计推断方法。SBRM不同于参数模型,其对链接函数不做假设,灵活性更高。模拟研究显示:参数估计的准确性方面:本研究提出的SBRM的参数估计更为准确,且标准差较小,SBRM的参数估计偏差较小,Logistic回归模型参数估计的偏差较大。一类错误方面:在各种参数设置下SBRM与Logistic回归模型均可较好得控制一类错误。检验效能方面:在各参数设置下SBRM的检验效能与Logistic回归模型相当或高于Logistic回归模型。结论本研究提出的模型(SBRM)相比于传统的Logistic回归模型参数估计更加准确,且对数据的分布没有假设,适用于不同分布条件下的数据,而且可以较好得控制一类错误,同时也拥有较高的检验效能。同时本研究提出的方法具有更广泛的适用性。