Least squares regression with censored data
删失数据的最小二乘回归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：随机右删失线性回归本身不足以支持因果、离散选择或结构估计分类。
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…
关注这篇论文的作者
删失数据的最小二乘回归
- 研究问题
- 标准线性回归面对随机右删失数据时，如何估计斜率与截距，并建立斜率估计量的分布理论？
- 方法与思路
- 作者将斜率与截距写成未删失观测的加权线性组合，权重来自 Kaplan–Meier 乘积极限分布函数估计。
- 材料陈述的贡献
- 摘要称将线性回归分析扩展至随机右删失情形，提供部分斜率分布理论，并以心脏移植数据作说明。
- 阅读关注点
- 核对随机删失的具体假设、权重与回归变量的关系，以及斜率分布理论涵盖哪些条件和推断程序。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；删失独立性、尾部条件和截距推断未说明，不能据此处理任意选择性缺失。
原文摘要
The analysis for a standard linear regression model is extended to the case of data randomly censored on the right. The slope and intercept estimators are weighted linear combinations of the uncensored observations where the weights are derived from the Kaplan-Meier product-limit estimator of a distribution function. Some distribution theory for the slope estimator is given. For illustration the estimators are applied to the Stanford heart transplant data.