Censored Regression Quantiles
删失回归分位数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：摘要直接研究删失数据的条件分位数及回归分位数过程估计。
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
删失回归分位数
- 研究问题
- 如何为删失生存时间构造条件分位数估计量，使其成为Kaplan–Meier估计的回归推广，并补充比例风险分析？
- 方法与思路
- 作者开发递归重加权的回归分位数过程估计量，将其作为Kaplan–Meier方法的直接推广，并讨论渐近性质和计算。
- 材料陈述的贡献
- 摘要称该估计量的渐近行为类似Kaplan–Meier估计，计算与无删失分位数过程的单纯形方法基本相当，并给出初步示例。
- 阅读关注点
- 阅读时应核对删失回归的标准假设、可估计的分位数范围、递归权重构造，以及渐近结论和计算等价性的准确含义。
- 阅读边界
- 依据稿件版本未注明的OpenAlex索引摘要；具体删失条件与示例结果未给出，初步示例不足以证明其普遍优于Cox模型。
原文摘要
Using quantile regression to analyze survival times offers an valuable complement to traditional Cox proportional hazards modelling. Unfortunately, this approach has been hampered by the lack of a conditional quantile estimator for censored data that is directly analogous to the Kaplan–Meier estimator and applies under standard assumptions for censored regression models. Here a recursively reweighted estimator of the regression quantile process is developed as a direct generalization of the Kaplan–Meier estimator. Specifically, the asymptotic behavior is directly analogous to that of the Kaplan–Meier estimator, and computation is essentially equivalent to current simplex methods for the quantile process in the uncensored case. Some preliminary examples suggest the strong potential of these methods as a complement to the use of Cox models.