Asymptotic theory of generalized estimating equations based on jack-knife pseudo-observations
基于删一法伪观测的广义估计方程渐近理论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：摘要聚焦生存分析伪观测与一般渐近理论，未明确涉及所列计量细分方向。
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…
基于删一法伪观测的广义估计方程渐近理论
- 研究问题
- 基于删一法伪观测构造的估计方程，在何种条件下具有可建立的渐近理论，并能用于哪些生存分析回归？
- 方法与思路
- 作者要求基础估计量可表示为经验分布的光滑泛函，利用 p-变差范数结果分析伪观测估计及生存分析应用。
- 材料陈述的贡献
- 摘要称建立了一般渐近理论，并在完全独立删失假设下，将其应用于生存率、累积发生率及相关寿命指标回归。
- 阅读关注点
- 应核对光滑泛函的具体要求、完全独立删失的定义，以及各类生存估计量如何满足理论所需条件。
- 阅读边界
- 所给材料为稿件版本未注明的 OpenAlex 索引摘要；具体正则条件和方差公式未说明，不能推断刊本变化。
原文摘要
A general asymptotic theory of estimates from estimating functions based on jack-knife pseudo-observations is established by requiring that the underlying estimator can be expressed as a smooth functional of the empirical distribution. Using results in $p$-variation norms, the theory is applied to important estimators from time-to-event analysis, namely the Kaplan–Meier estimator and the Aalen–Johansen estimator in a competing risks model, and the corresponding estimators of restricted mean survival and cause-specific lifetime lost. Under an assumption of completely independent censorings, this allows for estimating parameters in regression models of survival, cumulative incidences, restricted mean survival, and cause-specific lifetime lost. Considering estimators as functionals and applying results in $p$-variation norms is apparently an excellent way of studying the asymptotics of such estimators.