Instrumental variable estimation of the proportional hazards model by presmoothing
通过预平滑估计比例风险模型的工具变量方法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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要明确采用工具变量处理内生性，并将比例风险模型转写为工具变量分位数回归，支持因果与分布方向分类。
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…
通过预平滑估计比例风险模型的工具变量方法
- 研究问题
- 当比例风险模型中的解释变量内生、工具变量与内生变量均离散且存在随机右删失时，如何实施可行估计？
- 方法与思路
- 作者在秩不变假设下转化为半参数工具变量分位数模型，先非参数估计生成外生代理数据，再采用部分似然估计。
- 材料陈述的贡献
- 摘要称，单侧不依从随机实验这一主要情形具有非参数闭式解，最终估计量渐近正态，且方法允许随机右删失。
- 阅读关注点
- 应核对秩不变与删失条件、代理数据外生性的论证、第一阶段误差传播，以及单侧不依从情形的闭式解范围。
- 阅读边界
- 所给来源为 arXiv 预印本，同行评审未经核实；摘要未列完整识别条件，实证应用描述在“Illinois”处截断。
原文摘要
We consider instrumental variable estimation of the proportional hazards model of Cox (1972). The instrument and the endogenous variable are discrete but there can be (possibly continuous) exogenous covariables. By making a rank invariance assumption, we can reformulate the proportional hazards model into a semiparametric version of the instrumental variable quantile regression model of Chernozhukov and Hansen (2005). A naïve estimation approach based on conditional moment conditions generated by the model would lead to a highly nonconvex and nonsmooth objective function. To overcome this problem, we propose a new presmoothing methodology. First, we estimate the model nonparametrically - and show that this nonparametric estimator has a closed-form solution in the leading case of interest of randomized experiments with one-sided noncompliance. Second, we use the nonparametric estimator to generate ``proxy'' observations for which exogeneity holds. Third, we apply the usual partial likelihood estimator to the ``proxy'' data. While the paper focuses on the proportional hazards model, our presmoothing approach could be applied to estimate other semiparametric formulations of the instrumental variable quantile regression model. Our estimation procedure allows for random right-censoring. We show asymptotic normality of the resulting estimator. The approach is illustrated via simulation studies and an empirical application to the Illinois