Censored quantile regression with time-dependent covariates
含时变协变量的删失分位数回归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：摘要明确研究右删失数据的分位数回归及分位数定义，对应分位数与分布建模方向。
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
含时变协变量的删失分位数回归
- 研究问题
- 对于右删失的事件发生时间数据，如何建立能够处理常规时变协变量的分位数回归模型，并赋予分位数动态解释？
- 方法与思路
- 作者提出新的删失分位数回归模型类，推广分位数定义并构造递归估计量，研究渐近性质，辅以数值研究说明方法表现。
- 材料陈述的贡献
- 摘要称新框架扩展了现有时变协变量处理范围，提供分位数的动态解释，并建立递归估计量的渐近性质。
- 阅读关注点
- 核对时变协变量的观测方式、删失与协变量过程的条件、新分位数定义的解释，以及递归算法和渐近推断的适用范围。
- 阅读边界
- 仅据所给 Crossref 摘要；具体删失条件、分位数定义和渐近结论未说明，不能推断其可处理任意依赖删失或具有因果解释。
原文摘要
Abstract We propose a new class of censored quantile regression models with time-dependent covariates for right-censored failure time data. While time-dependent covariates naturally arise in time-to-event analysis, existing works in the literature discuss treatments for data collected either under an independent censoring mechanism or a longitudinal setting. Our formulation extends the current scope so that the conventional setting of time-dependent covariates can be properly handled. The new framework also generalizes the definition of quantiles and offers a new dynamic perspective for interpretation. Asymptotic properties of the recursive estimator are established. Numerical studies are also presented to illustrate the effectiveness of our proposal.