Analysing panel count data with informative observation times
信息性观测时点下的面板计数数据分析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：摘要直接研究个体重复观测的面板计数数据，并通过个体脆弱性处理异质性。
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…
信息性观测时点下的面板计数数据分析
- 研究问题
- 当个体事件发生过程与观测时点相关时，如何从面板计数数据估计基准发生率与回归参数，并处理未观测异质性？
- 方法与思路
- 作者设定带个体脆弱性项的非参数及半参数比例发生率模型，通过条件计数似然和估计方程估计基准率与回归参数。
- 材料陈述的贡献
- 摘要称模型允许事件过程与观测时点经未观测脆弱性相关，研究估计量的大样本性质，并给出数值研究及膀胱肿瘤应用。
- 阅读关注点
- 应核对脆弱性如何连接事件与观测过程、条件似然如何处理干扰分布，以及参数识别、渐近条件和数值比较。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；未说明条件化所需假设或具体性能，不能将其推广至任意信息性观测机制。
原文摘要
In this paper, we study panel count data with informative observation times. We assume nonparametric and semiparametric proportional rate models for the underlying event process, where the form of the baseline rate function is left unspecified and a subject-specific frailty variable inflates or deflates the rate function multiplicatively. The proposed models allow the event processes and observation times to be correlated through their connections with the unobserved frailty; moreover, the distributions of both the frailty variable and observation times are considered as nuisance parameters. The baseline rate function and the regression parameters are estimated by maximising a conditional likelihood function of observed event counts and solving estimation equations. Large-sample properties of the proposed estimators are studied. Numerical studies demonstrate that the proposed estimation procedures perform well for moderate sample sizes. An application to a bladder tumour study is presented.