Nonparametric Estimation of Conditional Distributions and Rank-Tracking Probabilities With Time-Varying Transformation Models in Longitudinal Studies
纵向研究中时变变换模型的条件分布与秩追踪概率估计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：摘要明确处理纵向数据中的条件分布与跨时点秩追踪，直接关联面板数据和分位数与分布效应。
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
纵向研究中时变变换模型的条件分布与秩追踪概率估计
- 研究问题
- 纵向结果分布偏斜且均值模型不足以描述时，如何估计时变条件分布，并衡量同一结果在两个时点保持相对排序的能力？
- 方法与思路
- 作者研究时变变换模型，采用两步局部多项式平滑估计条件分布，并提出秩追踪概率及其比率描述跨时点追踪强度。
- 材料陈述的贡献
- 摘要称，文章给出两步条件分布估计量的渐近性质，以模拟考察有限样本表现，并应用于儿童生长和血压的流行病学研究。
- 阅读关注点
- 应核对变换模型的识别与时间结构、两步平滑误差如何传播，以及秩追踪指标的定义和对跨时点联合分布的要求。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明，不能推断刊本变化；摘要未给出秩追踪指标公式、渐近条件或应用的具体结果。
原文摘要
An objective of longitudinal analysis is to estimate the conditional distributions of an outcome variable through a regression model. The approaches based on modeling the conditional means are not appropriate for this task when the conditional distributions are skewed or cannot be approximated by a normal distribution through a known transformation. We study a class of time-varying transformation models and a two-step smoothing method for the estimation of the conditional distribution functions. Based on our models, we propose a rank-tracking probability and a rank-tracking probability ratio to measure the strength of tracking ability of an outcome variable at two different time points. Our models and estimation method can be applied to a wide range of scientific objectives that cannot be evaluated by the conditional mean-based models. We derive the asymptotic properties for the two-step local polynomial estimators of the conditional distribution functions. Finite sample properties of our procedures are investigated through a simulation study. Application of our models and estimation method is demonstrated through an epidemiological study of childhood growth and blood pressure. Supplementary materials for this article are available online.