Pseudo-partial likelihood for proportional hazards models with biased-sampling data
有偏抽样数据下比例风险模型的伪偏似然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：摘要研究有偏抽样下的生存回归，未明确涉及所列经济计量领域细分。
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
有偏抽样数据下比例风险模型的伪偏似然
- 研究问题
- 比例风险模型面对有偏抽样数据时，如何构造可用于估计的伪偏似然，并处理长度偏倚、右删失与缺失协变量？
- 方法与思路
- 作者将有偏抽样数据嵌入左截断数据框架，用给定观测数据时左截断对数偏似然的条件期望构造目标函数。
- 材料陈述的贡献
- 摘要称，论文推导伪偏似然最大化估计量的渐近性质，并讨论长度偏倚、右删失和协变量缺失的应用。
- 阅读关注点
- 应核对嵌入机制与条件期望的计算、有偏抽样机制是否需已知，以及渐近结论和不同应用场景的额外条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未具体说明渐近性质、抽样条件或效率比较，不能补充未陈述的保证。
原文摘要
We obtain a pseudo-partial likelihood for proportional hazards models with biased-sampling data by embedding the biased-sampling data into left-truncated data. The log pseudo-partial likelihood of the biased-sampling data is the expectation of the log partial likelihood of the left-truncated data conditioned on the observed data. In addition, asymptotic properties of the estimator that maximize the pseudo-partial likelihood are derived. Applications to length-biased data, biased samples with right censoring and proportional hazards models with missing covariates are discussed.