SEMI-NONPARAMETRIC INTERVAL-CENSORED MIXED PROPORTIONAL HAZARD MODELS: IDENTIFICATION AND CONSISTENCY RESULTS
半非参数区间删失混合比例风险模型：识别与一致性结果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：摘要研究含未观测异质性的混合比例风险模型及其识别和估计，直接对应结构估计。
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
半非参数区间删失混合比例风险模型：识别与一致性结果
- 研究问题
- 在区间删失混合比例风险模型中，如何灵活估计未观测异质性分布，并在协变量支持有限等情况下建立识别与估计一致性？
- 方法与思路
- 作者使用正交 Legendre 多项式估计单位区间上的分布，将其用于异质性分布，并推导非参数识别条件及一般 M 估计与筛估计的一致性结果。
- 材料陈述的贡献
- 摘要称给出该风险模型的多种非参数识别条件，并建立部分非欧氏参数的 M 估计一致性结果，特别关注协变量支持有限的情形。
- 阅读关注点
- 应核对异质性分布的支持设定、区间删失机制、有限协变量支持下的识别条件，以及多项式展开与筛空间增长的具体要求。
- 阅读边界
- 仅据所给 Crossref 摘要，无法确认所谓较弱条件的实际约束、估计收敛速度或推断方法；识别与一致性的证明细节未提供。
原文摘要
In this paper I propose estimating distributions on the unit interval semi-nonparametrically using orthonormal Legendre polynomials. This approach will be applied to the interval-censored mixed proportional hazard (ICMPH) model, where the distribution of the unobserved heterogeneity is modeled semi-nonparametrically. Various conditions for the nonparametric identification of the ICMPH model are derived. I will prove general consistency results for M -estimators of (partly) non-euclidean parameters under weak and easy-to-verify conditions and specialize these results to sieve estimators. Special attention is paid to the case where the support of the covariates is finite.