Semiparametric Transformation Models With Random Effects for Recurrent Events
重复事件的含随机效应半参数变换模型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：摘要研究重复事件与计数过程，没有明确涉及所列面板、因果或其他经济计量细分方向。
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
重复事件的含随机效应半参数变换模型
- 研究问题
- 如何在允许时变协变量影响重复事件发生的同时，处理同一受试者内事件时间的依赖，并对回归参数与累计强度进行推断？
- 方法与思路
- 作者为计数过程强度构建含随机效应的半参数变换模型，以非参数最大似然估计参数，并用 EM 算法计算估计量及其协方差。
- 材料陈述的贡献
- 摘要称估计量具有一致性与渐近正态性，回归参数估计达到半参数效率界，并提供累计强度光滑泛函的协方差估计及医学应用。
- 阅读关注点
- 应核对变换模型与随机效应的具体设定、渐近结论所需条件，以及 EM 算法如何计算非参数部分和方差，评估其实际适用范围。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；随机效应分布、观测机制和效率结论的具体条件未说明，不能推断刊本变化。
原文摘要
In this article we study a class of semiparametric transformation models with random effects for the intensity function of the counting process. These models provide considerable flexibility in formulating the effects of possibly time-dependent covariates on the developments of recurrent events while accounting for the dependence of the recurrent event times within the same subject. We show that the nonparametric maximum likelihood estimators (NPMLEs) for the parameters of these models are consistent and asymptotically normal. The limiting covariance matrices for the estimators of the regression parameters achieve the semiparametric efficiency bounds and can be consistently estimated. The limiting covariance function for the estimator of any smooth functional of the cumulative intensity function also can be consistently estimated. We develop a simple and stable EM algorithm to compute the NPMLEs as well as the variance and covariance estimators. Simulation studies demonstrate that the proposed methods perform well in practical situations. Two medical studies are provided for illustrations.