Extended Weighted Log-Rank Estimating Functions in Censored Regression
删失回归中扩展的加权对数秩估计函数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：摘要聚焦删失回归的通用估计与诊断，未明确对应所列计量领域细分。
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
删失回归中扩展的加权对数秩估计函数
- 研究问题
- 研究删失回归如何构造便于估计协方差的回归估计量，并同时检验模型是否存在某些单调或凸形的设定偏离。
- 方法与思路
- 作者对对数秩估计函数作加权积分，构造回归估计和拟合不足检验，使极限协方差不包含误差密度。
- 材料陈述的贡献
- 摘要称部分估计量在重要子模型中具有较高渐近效率，检验对某些设定偏离具有一致性，并提供数值研究和实例。
- 阅读关注点
- 应核对删失机制、权函数选择与协方差估计条件，以及高效率对应的子模型和拟合不足检验能够检测的偏离范围。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要解读，不推断刊本变化。摘要未列出完整模型条件和权函数，效率与检验一致性均不能推广至所有子模型或偏离。
原文摘要
In the censored regression model, some regression estimators are introduced using weighted integrals of the log-rank estimating functions. Their limiting covariance matrices do not involve the error density and can be reliably estimated. Inference can then be easily obtained. Some of these estimators have high asymptotic efficiency at some important submodels. Some lack-of-fit tests are derived that require little extra computing time. These tests are asymptotically normal under the model and consistent against certain monotone or convex model misspecifications. Numerical studies show that for some weight functions, the estimators and tests perform well. Implementation of the proposed procedures is discussed and illustrated in a real data example.