Nonparametric analysis of covariance for censored data
删失数据的非参数协方差分析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：摘要中的效应属于非参数协方差分析检验，未明确研究因果识别或经济分布效应。
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
删失数据的非参数协方差分析
- 研究问题
- 在删失观测下，如何不依赖特定参数或半参数分布形式，调整协变量并检验因素的主效应与交互效应是否存在？
- 方法与思路
- 作者在完全非参数模型下，对 Beran 条件生存分布估计量按协变量取值求平均，构造二次型检验并推导渐近卡方分布。
- 材料陈述的贡献
- 摘要称，该模型允许连续或有序分类数据，以及不同因素组合下不同形状的协变量作用，并提供主效应和交互效应检验。
- 阅读关注点
- 应核对非参数零假设的定义、删失机制与平滑条件，了解协变量平均的权重选择，并查看检验的尺寸和功效表现。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；不限制参数分布形式并不意味着没有删失或平滑条件，所述效应也未被赋予因果解释。
原文摘要
The fully nonparametric model for nonlinear analysis of covariance, proposed in Akritas et al. (2000), is considered in the context of censored observations. Under this model, the distributions for each factor level combination and covariate value are not restricted to comply to any parametric or semiparametric model. The data can be continuous or ordinal categorical. The possibility of different shapes of covariate effect in different factor level combinations is also allowed. This generality is useful whenever modelling assumptions such as additive risks, proportional hazards or proportional odds appear suspect. Test statistics are obtained for the nonparametric hypotheses of no main effect and of no interaction effect which adjusts for the presence of a covariate. They are quadratic forms based on averages over the covariate values of Beran estimators of the conditional distribution of the survival time given each covariate value. The derivation of the asymptotic χ2 distribution of the test statistics uses a recently‐obtained asymptotic representation of the Beran estimator as average of independent random variables. A real‐data set is analysed and results of simulation studies are reported.