Asymptotic theory for the semiparametric accelerated failure time model with missing data
含缺失数据的半参数加速失效时间模型渐近理论AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要主要研究生存模型与病例队列缺失数据，未明确因果效应或其他所列经济细分问题，故不强行归类。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
含缺失数据的半参数加速失效时间模型渐近理论
- 研究问题
- 加速失效时间模型存在缺失数据且权重可能不可预测时，如何建立加权秩估计的渐近理论并改善估计效率？
- 方法与思路
- 作者将双重加权秩方法作为半参数估计方程处理，使用经验过程理论分析真实权重与估计权重，避开可能失效的鞅方法。
- 材料陈述的贡献
- 摘要称，论文证明相关渐近性质；病例队列模拟中，结果依赖权重及估计权重显示效率改善，Gehan 权重也表现较好。
- 阅读关注点
- 应核对缺失与抽样机制、双重权重的定义、权重估计的影响，以及效率改善来自理论比较还是特定模拟设计。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；渐近条件与模拟数值未说明，不能将所述效率优势推广到任意缺失机制。
原文摘要
We consider a class of doubly weighted rank-based estimating methods for the transformation (or accelerated failure time) model with missing data as arise, for example, in case-cohort studies. The weights considered may not be predictable as required in a martingale stochastic process formulation. We treat the general problem as a semiparametric estimating equation problem and provide proofs of asymptotic properties for the weighted estimators, with either true weights or estimated weights, by using empirical process theory where martingale theory may fail. Simulations show that the outcome-dependent weighted method works well for finite samples in case-cohort studies and improves efficiency compared to methods based on predictable weights. Further, it is seen that the method is even more efficient when estimated weights are used, as is commonly the case in the missing data literature. The Gehan censored data Wilcoxon weights are found to be surprisingly efficient in a wide class of problems.