Semiparametric inference in a model for association in bivanate survival data
二元生存数据关联模型中的半参数推断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：摘要聚焦二元生存数据关联参数的半参数推断，没有明确对应所列经济计量细分领域的研究对象。
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
二元生存数据关联模型中的半参数推断
- 研究问题
- 在二元生存数据的 Clayton 关联模型中，存在未知干扰函数及随机删失时，如何评估关联参数估计和得分检验？
- 方法与思路
- 作者推导 Clayton 估计量的渐近方差，给出无删失公式并说明随机删失下的修改，同时比较其他估计量与秩检验。
- 材料陈述的贡献
- 摘要称获得无删失情形的显式渐近方差及得分统计量的精确零假设方差，并讨论删失修正和相关方法的比较。
- 阅读关注点
- 应核对干扰函数如何进入推断、随机删失所需条件、方差修正的具体形式，以及估计量和检验之间的比较标准。
- 阅读边界
- 仅据所给 OpenAlex 索引摘要，稿件版本未注明；摘要未列出删失假设与比较结果，不能推断对任意删失机制有效。
原文摘要
Clayton's (1978) 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. We derive the asymptotic variance of Clayton's estimator, obtaining a simple explicit formula for uncensored data and indicating the modification required when the survival times are subject to arbitrary random censorship. Some comparisons are made with results derived by Oakes (1982) for other estimators within this model. In the absence of censoring the exact null variance of the score statistic corresponding to Clayton's estimator is derived and compared with that of the locally most powerful rank test given by Cuzick (1982).