Efficient estimation from right-censored data when failure indicators are missing at random
失效指示变量随机缺失时右删失数据的有效估计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：摘要属于生存分析中的删失与缺失数据估计，未明确对应所列经济计量专门方向。
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
失效指示变量随机缺失时右删失数据的有效估计
- 研究问题
- 对于右删失数据，当失效指示变量随机缺失时，如何构造生存函数的有效估计量，解决摘要所述既有方法的不足？
- 方法与思路
- 作者引入筛式非参数最大似然估计，并将其方法与二元右删失数据中的二元生存函数估计联系起来。
- 材料陈述的贡献
- 摘要称新提出的筛式非参数最大似然估计具有有效性，用于解决失效指示变量随机缺失时生存函数的有效估计问题。
- 阅读关注点
- 应核对随机缺失的条件变量、可识别性要求、筛空间与复杂度选择，以及有效性的定义和既有最大似然方法不一致的原因。
- 阅读边界
- 仅据稿件版本未注明的 OpenAlex 索引摘要；未核对全文或版本差异。摘要未说明筛构造、效率界或随机缺失之外的适用性。
原文摘要
The Kaplan-Meier estimator of a survival function is well known to be asymptotically efficient when cause of failure is always observed. It has been an open problem, however, to find an efficient estimator when failure indicators are missing at random. Lo showed that nonparametric maximum likelihood estimators are inconsistent, and this has led to several proposals of ad hoc estimators, none of which are efficient. We now introduce a sieved nonparametric maximum likelihood estimator, and show that it is efficient. Our approach is related to the estimation of a bivariate survival function from bivariate right-censored data.