Linear Regression Analysis for Highly Stratified Failure Time Data
高度分层失效时间数据的线性回归分析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：摘要属于相关生存数据的回归推断，组内相关和分层并未明确构成面板或网络干扰，也未提供因果识别依据。
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
高度分层失效时间数据的线性回归分析
- 研究问题
- 当失效时间数据来自许多相互独立的小组、组内相关且可能删失时，如何推断协变量对个体失效时间的关系？
- 方法与思路
- 作者设定对数失效时间与协变量线性相关，采用总体平均模型进行回归推断，无需指定组内观测的联合分布。
- 材料陈述的贡献
- 摘要称新程序避免复杂且不稳定的误差风险函数非参数估计，并在实际样本量下考察性质、比较程序和展示实例。
- 阅读关注点
- 应核对删失机制、组数与组内样本量要求，以及不指定联合分布时的推断依据和有限样本比较标准。
- 阅读边界
- 仅有 OpenAlex 索引摘要，稿件版本未注明；删失条件及程序比较结果未提供，不能将协变量关系解释为因果效应或推断刊本变化。
原文摘要
In this article we consider cases where data consist of many small and independent groups of correlated failure time observations. For each failure time, which may be censored, some important covariates are also recorded. Our goal is to examine the covariate effects on the individual failure time observations. We assume that the logarithm of each failure time is linearly related to its covariates. We then take a population-averaged model approach to obtain inference procedures for the regression parameters without specifying the joint distribution of the observations within the group. The new proposals do not need complicated and unstable nonparametric estimates for the hazard function of the error term. Their properties are extensively examined for practical sample sizes. Comparisons among various procedures are also performed. All the methods studied in this article are illustrated with examples.