Asymptotic theory of rerandomization for survival analysis
生存分析中再随机化的渐近理论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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要研究随机实验的再随机化设计、生存结局估计及协变量调整，直接涉及处理比较与实验因果推断方法。
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…
关注这篇论文的作者
生存分析中再随机化的渐近理论
- 研究问题
- 在存在删失的生存结局实验中，再随机化如何改变整条生存函数估计的极限分布与逐点方差，并与分析阶段的协变量调整相互作用？
- 方法与思路
- 作者研究再随机化及分层再随机化下生存函数估计的一致弱收敛，涵盖 Kaplan–Meier、删失加权及去偏机器学习估计量。
- 材料陈述的贡献
- 摘要称，前两类估计量的逐点渐近方差下降，而去偏机器学习估计量因 Neyman 正交性保持方差不变，并用模拟与实例说明。
- 阅读关注点
- 应核对删失机制、再随机化接受规则及函数空间条件，并区分逐点方差变化与整条生存曲线的同时推断结论。
- 阅读边界
- 仅据 arXiv 预印本摘要，同行评审或期刊接收未核实；完整正则条件和数值结果未说明，方差结论不能无条件推广到所有生存估计量。
原文摘要
Rerandomization systematically reduces chance imbalance and can improve the efficiency of the average treatment effect estimator in randomized experiments. While the asymptotic properties of finite-dimensional M-estimators under rerandomization have been established, existing theory does not directly address survival outcomes under censoring, where the target estimand involves infinite-dimensional functional parameters. This article establishes the uniform weak convergence of treatment-specific survival function estimators under rerandomization and stratified rerandomization. We prove that the Kaplan-Meier and inverse probability of censoring weighted Kaplan-Meier estimators converge to tight limiting processes with reduced pointwise asymptotic variances. Furthermore, we prove that the pointwise asymptotic variance of the debiased machine learning survival function estimator remains invariant under rerandomization, a consequence of the Neyman orthogonality. Simulations and a real data example are used to illustrate the theoretical results. Our results characterize the geometric interplay between restricted randomization designs and analysis-stage covariate adjustment for functional target estimands in survival analysis.