A Kernel Log-Rank Test of Independence for Right-Censored Data
右删失数据独立性的核对数秩检验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：摘要研究生存时间与协变量的通用独立性检验，未涉及所列因果、分位数或其他经济学细分问题。
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…
右删失数据独立性的核对数秩检验
- 研究问题
- 当生存时间存在右删失、协变量可能为多维时，如何非参数地检验二者独立性，并识别复杂的非线性依赖关系？
- 方法与思路
- 作者在 RKHS 中构造检验统计量，可解释为加权对数秩检验族的上确界或有限测度嵌入差的范数，并用野生自助法确定阈值。
- 材料陈述的贡献
- 摘要称给出对各类备择保持一致性的充分条件及自助法渐近有效性，模拟和真实数据比较显示其检测非线性依赖的潜力。
- 阅读关注点
- 应核对删失机制假设、核函数选择、备择一致性的充分条件，以及野生自助法如何保留检验所需的依赖与删失结构。
- 阅读边界
- 仅依据 OpenAlex 索引摘要，稿件版本未注明；不能认定其适用于任意信息性删失，比较优势的具体范围未知，亦不能推断刊本变化。
原文摘要
We introduce a general nonparametric independence test between right-censored survival times and covariates, which may be multivariate. Our test statistic has a dual interpretation, first in terms of the supremum of a potentially infinite collection of weight-indexed log-rank tests, with weight functions belonging to a reproducing kernel Hilbert space (RKHS) of functions; and second, as the norm of the difference of embeddings of certain finite measures into the RKHS, similar to the Hilbert–Schmidt Independence Criterion (HSIC) test-statistic. We study the asymptotic properties of the test, finding sufficient conditions to ensure our test correctly rejects the null hypothesis under any alternative. The test statistic can be computed straightforwardly, and the rejection threshold is obtained via an asymptotically consistent Wild Bootstrap procedure. Extensive investigations on both simulated and real data suggest that our testing procedure generally performs better than competing approaches in detecting complex nonlinear dependence.