Weighted Breslow-type and maximum likelihood estimation in semiparametric transformation models
半参数变换模型中的加权 Breslow 型估计与最大似然估计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：摘要研究生存分析中的半参数变换模型，未直接对应所列领域细分。
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
半参数变换模型中的加权 Breslow 型估计与最大似然估计
- 研究问题
- 半参数变换模型中，如何通过加权改进基准风险或强度的 Breslow 型估计，并更有效地计算非参数最大似然估计？
- 方法与思路
- 作者引入依赖鞅残差的权重，建立加权 Breslow 型估计与非参数最大似然估计的联系，构造迭代重加权算法。
- 材料陈述的贡献
- 摘要称，加权方法可由现有算法的加权变体实现，计算上可能比 EM 型算法更有效，并扩展到协变量测量误差情形。
- 阅读关注点
- 应核对权重与鞅残差的具体关系、迭代算法的收敛条件，以及计算效率比较和测量误差扩展所需的额外设定。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未给出权重公式、收敛保证或计算比较数值，效率优势不能普遍外推。
原文摘要
A semiparametric transformation model comprises a parametric component for covariate effects and a nonparametric component for the baseline hazard/intensity. The Breslow-type estimator has been proposed for estimating the nonparametric component in some inefficient estimation procedures. We show that introducing weights into this estimator leads to nonparametric maximum likelihood estimation, with the weights depending on the martingale residuals. The weighted Breslow-type estimator suggests an iterative reweighting algorithm for nonparametric maximum likelihood estimation, which can be implemented by a weighted variant of the existing algorithms for inefficient estimation, and can be computationally more efficient than an em-type algorithm. The weighting idea is further extended to semiparametric transformation models with mismeasured covariates.