Semiparametric Estimation of Association in a Bivariate Survival Function
二元生存函数中关联参数的半参数估计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：摘要聚焦一般二元生存模型的关联参数与半参数信息界，未涉及金融风险、分布效应或其他所列领域的直接应用。
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
二元生存函数中关联参数的半参数估计
- 研究问题
- 在 Clayton 二元生存模型中，当关联由单一参数控制且存在未知干扰函数时，如何刻画信息界并构造估计量？
- 方法与思路
- 作者提出推导关联参数信息量渐近下界的算法，讨论一步估计量的构造，并通过蒙特卡洛模拟与其他估计量比较。
- 材料陈述的贡献
- 摘要给出关联参数信息界的算法研究与一步估计构造，并报告开展了性能比较，但未概括具体比较结果。
- 阅读关注点
- 阅读全文时应核对干扰函数和观测机制、信息界的准确含义、一步更新所需初始估计，以及模拟比较的评价标准。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；删失条件、信息界公式和模拟结果未说明，不能推断一步估计已达效率界。
原文摘要
Clayton's model for association in bivariate survival data is both of intrinsic importance and an interesting example of a semiparametric estimation problem, that is, a problem where inference about a parameter is required in the presence of nuisance functions. The joint distribution of the two survival times in this model is absolutely continuous and a single parameter governs the association between the two survival times. In this paper we describe an algorithm to derive the asymptotic lower bound for the information of the parameter governing the association. We discuss the construction of one-step estimators and compare their performance to that of other estimators in a Monte Carlo study.