Testing for Unobserved Heterogeneity in Censored Duration Models: EM Approach
删失持续时间模型中的未观测异质性检验：EM方法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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要主题为持续时间模型的未观测异质性检验与非正则渐近理论，属于计量理论与方法研究，未直接对应所提供的微观或宏观应用领域细分，故留空。
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…
删失持续时间模型中的未观测异质性检验：EM方法
- 研究问题
- 摘要称，持续时间模型若忽略未观测异质性会使参数估计有偏并使推断失效，但检验它属于非正则问题：原假设位于参数空间边界且部分参数在原假设下不可识别，标准渐近理论不适用。
- 方法与思路
- 作者提出针对删失Weibull持续时间模型的EM检验，基于Li、Chen和Marriott（2009）的EM思路；摘要称检验统计量的渐近原分布为max{0,N(0,1)}的平方，临界值无需模拟或自助法，并允许任意形式的协变量依赖删失。
- 材料陈述的贡献
- 摘要称该检验无需模拟或自助法即可获得临界值，可容纳任意形式的协变量依赖删失；蒙特卡洛显示样本量500以上时经验水平接近名义水平，而LRT偏保守、其他检验过度拒绝，实际使用下多数设计中功效高于LRT。
- 阅读关注点
- 应核对EM检验的构造与正则条件、原假设下不可识别参数的处置、渐近分布推导所依赖的假设，以及蒙特卡洛设计、样本量与经验水平的具体设定；并核对斯坦福心脏移植数据应用中协变量设定与结论差异的来源。
- 阅读边界
- 仅凭摘要无法判断推导细节、模拟设计的完整性与结论的稳健性；摘要未说明检验在更一般持续时间分布或复杂删失机制下的表现。该文为arXiv预印本，同行评审与期刊接收情况未经核实。
原文摘要
Ignoring unobserved heterogeneity in duration models biases parameter estimates and invalidates inference, but testing for it is non-regular: the null hypothesis lies on the boundary of the parameter space and some parameters are unidentified under the null. These features render standard asymptotic theory inapplicable. This paper develops an EM test for unobserved heterogeneity in censored Weibull duration models, building on the EM approach of Li, Chen, and Marriott (2009). The test statistic has an asymptotic null distribution equal to the square of max{0, N(0,1)}, hence critical values require neither simulation nor bootstrap, and the test accommodates covariate-dependent censoring of arbitrary form. Monte Carlo simulations compare the EM test with the likelihood ratio test (LRT) of Cho and White (2010), information matrix tests, and Lagrange multiplier tests. The EM test has empirical size close to the nominal level for sample sizes of 500 or more, where the LRT remains markedly conservative and the other tests over-reject. Its size-adjusted power is comparable to that of the LRT and higher than that of the other tests. Because size adjustment requires knowledge of the data-generating process and is unavailable in practice, the EM test attains higher power than the LRT in most designs as the tests would actually be applied. In an application to the Stanford Heart Transplant data, the EM test rejects homogeneity in every covariate specification, whereas the LRT's conclusion depends on a user-chosen set of admissible parameter values and on the specification.