AVERAGE DERIVATIVES FOR HAZARD FUNCTIONS
风险率函数的平均导数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：摘要研究竞争风险与半参数风险率估计，所列细分领域没有直接对应项，也未明确讨论因果效应。
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
风险率函数的平均导数
- 研究问题
- 对竞争风险数据，如何在单指标限制下估计各风险类型的风险率及指标系数，同时允许离散和连续失效时间？
- 方法与思路
- 作者提出基于核方法的半参数估计，假定解释变量仅通过一个指标影响风险率，但不要求比例风险结构。
- 材料陈述的贡献
- 摘要称估计量渐近正态，指标系数达到根号样本量一致性，风险率达到一维收敛速率，并报告模拟表现良好。
- 阅读关注点
- 应核对单指标的识别与归一化、离散和连续时间的处理、数据观测条件，以及核估计与平均导数的具体关系。
- 阅读边界
- 仅据所给 OpenAlex 摘要；删失处理、正则条件和模拟数值未说明，单指标下的速率不能推广到任意风险率或其他版本。
原文摘要
This paper develops semiparametric kernel-based estimators of risk-specific hazard functions for competing risks data. Both discrete and continuous failure times are considered. The maintained assumption is that the hazard function depends on explanatory variables only through an index. In contrast to existing semiparametric estimators, proportional hazards is not assumed. The new estimators are asymptotically normally distributed. The estimator of index coefficients is root-n consistent. The estimator of hazard functions achieves the one-dimensional rate of convergence. Thus the index assumption eliminates the “curse of dimensionality.” The estimators perform well in Monte Carlo experiments.I thank Denise Doiron for stimulating my interest in this research project and Catherine de Fontenay, Hans Christian Kongsted, Lars Muus, seminar participants, and two anonymous referees for comments on an earlier version of the paper. I gratefully acknowledge the hospitality of the University of Aarhus and the University of Copenhagen, where part of this research was undertaken.