Marginal proportional hazards models for multiple event-time data
多事件时间数据的边际比例风险模型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：摘要聚焦多事件时间与生存分析，未直接对应所列面板、因果或金融风险细分领域。
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
多事件时间数据的边际比例风险模型
- 研究问题
- 在多个事件时间受到顺序约束时，能否同时满足各自的边际比例风险假设并具有连续联合分布，从而开展模拟研究？
- 方法与思路
- 作者构造具有适当联合密度和边际比例风险结构的参数模型，用它生成多事件时间数据并比较两种估计方法的效率。
- 材料陈述的贡献
- 摘要称，这种构造解决顺序约束下边际比例风险与连续联合分布的相容性问题，并支持半参数方法和极大似然的模拟比较。
- 阅读关注点
- 应核对顺序约束的形式、联合密度如何保证边际比例风险，以及效率比较中的参数设定和两种方法各自使用的信息。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未报告效率比较方向或数值，也未说明构造是否覆盖所有相关联合分布。
原文摘要
The Wei et al. (1989) semiparametric approach to the analysis of multiple event‐time data assumes that each event time is related to covariates through a proportional hazards model with a completely unspecified baseline hazard function, but does not impose any constraint on the joint distribution of different event times. As a result of the order restriction, it is not clear whether or not event times can simultaneously satisfy their respective marginal proportional hazards assumption, while having continuous joint distribution. This leads to inability to conduct simulation studies. We resolve this issue by constructing parametric models for multiple event times with proper joint density functions and marginal proportional hazards. Simulation studies are reported that compare efficiencies of the method of Wei et al. (1989) and of the maximum likelihood approach.