Locally Weighted Censored Quantile Regression
局部加权删失分位数回归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：摘要的核心对象是删失数据中的特定分位回归及其推断。
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
局部加权删失分位数回归
- 研究问题
- 如何在删失生存数据中估计特定分位水平的回归关系，同时避免要求生存与删失无条件独立或所有分位全局线性？
- 方法与思路
- 作者结合质量再分配思想与局部重加权，使用给定协变量后的条件独立及目标分位线性条件，并借助M估计理论分析。
- 材料陈述的贡献
- 摘要称方法提供便于R实现的算法，并建立估计量的一致性与渐近正态性，以模拟及急性心肌梗死数据展示。
- 阅读关注点
- 核对条件独立之外的正则与支持条件、局部权重及带宽构造，以及目标分位在删失程度较高时的可识别范围。
- 阅读边界
- 所据为版本未注明的索引摘要；摘要给出的关键条件并非完整定理假设，未说明尾部分位适用边界或有限样本覆盖表现。
原文摘要
Censored quantile regression offers a valuable supplement to Cox proportional hazards model for survival analysis. Existing work in the literature often requires stringent assumptions, such as unconditional independence of the survival time and the censoring variable or global linearity at all quantile levels. Moreover, some of the work uses recursive algorithms, making it challenging to derive asymptotic normality. To overcome these drawbacks, we propose a new locally weighted censored quantile regression approach that adopts the redistribution-of-mass idea and employs a local reweighting scheme. Its validity only requires conditional independence of the survival time and the censoring variable given the covariates, and linearity at the particular quantile level of interest. Our method leads to a simple algorithm that can be conveniently implemented with R software. Applying recent theory of M-estimation with infinite dimensional parameters, we establish the consistency and asymptotic normality of the proposed estimator. The proposed method is studied via simulations and is illustrated with the analysis of an acute myocardial infarction dataset.