Maximum Likelihood Estimation for the Proportional Odds Model With Random Effects
含随机效应的比例优势模型最大似然估计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：摘要明确讨论相关生存数据模型，随机效应本身不足以归为面板数据或离散选择。
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
含随机效应的比例优势模型最大似然估计
- 研究问题
- 对相关且右删失的失效时间数据，如何估计含随机效应的半参数比例优势模型，并进行有效的参数不确定性评估？
- 方法与思路
- 作者研究该模型的最大似然估计，分析一致性、渐近高斯分布与方差估计，并以模拟和真实案例展示方法。
- 材料陈述的贡献
- 摘要称，估计量达到半参数效率界，极限方差可一致估计；模拟显示在所考察样本规模下近似准确且有明显效率收益。
- 阅读关注点
- 应核对随机效应与删失机制的设定、似然构造、效率界的条件，以及模拟中比较方法、样本规模与效率收益的定义。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；模型与删失假设、实际样本量和效率数值未提供，不能认定普遍优于其他方法。
原文摘要
In this article we study the semiparametric proportional odds model with random effects for correlated, right-censored failure time data. We establish that the maximum likelihood estimators for the parameters of this model are consistent and asymptotically Gaussian. Furthermore, the limiting variances achieve the semiparametric efficiency bounds and can be consistently estimated. Simulation studies show that the asymptotic approximations are accurate for practical sample sizes and that the efficiency gains of the proposed estimators over those of Cai, Cheng, and Wei can be substantial. A real example is provided to illustrate the proposed methods.