Asymptotic theory for the Cox model with missing time-dependent covariate
含缺失时变协变量的 Cox 模型渐近理论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：摘要聚焦生存模型与缺失纵向协变量的联合似然理论，未明确提供所列面板或因果等方向的专门方法依据。
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…
含缺失时变协变量的 Cox 模型渐近理论
- 研究问题
- 研究时变协变量的纵向观测存在缺失时，联合建模生存时间与协变量所得的最大似然估计，能否获得理论上的统计保证。
- 方法与思路
- 作者针对生存时间与纵向协变量的联合模型，分析最大似然估计的存在性、一致性、渐近分布及渐近方差估计。
- 材料陈述的贡献
- 摘要称，论文补充了这一联合建模方法的理论依据，证明估计量存在且一致，并给出渐近分布与一致的方差估计量。
- 阅读关注点
- 读全文时应核对联合模型的具体设定、缺失机制与可识别性条件，以及基准风险函数如何进入似然和渐近方差计算。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明缺失机制、模型形式及理论条件，不能推断其适用于任意缺失过程。
原文摘要
The relationship between a time-dependent covariate and survival times is usually evaluated via the Cox model. Time-dependent covariates are generally available as longitudinal data collected regularly during the course of the study. A frequent problem, however, is the occurence of missing covariate data. A recent approach to estimation in the Cox model in this case jointly models survival and the longitudinal covariate. However, theoretical justification of this approach is still lacking. In this paper we prove existence and consistency of the maximum likelihood estimators in a joint model. The asymptotic distribution of the estimators is given along with a consistent estimator of the asymptotic variance.