IDENTIFIABILITY OF THE SIGN OF COVARIATE EFFECTS IN THE COMPETING RISKS MODEL
竞争风险模型中协变量效应符号的可识别性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：摘要涉及竞争风险及 Roy 结构模型的识别，并以协变量对边际分布的效应方向为目标，对应结构估计与分布效应。
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
竞争风险模型中协变量效应符号的可识别性
- 研究问题
- 当竞争风险的边际分布和联合分布缺乏参数设定时，能否识别协变量对潜在边际分布影响的方向，而不必恢复完整分布？
- 方法与思路
- 作者提出包含 Roy 模型的识别框架，建立 Hicks 型分解，并在关联 copula 不随协变量变化的限制下研究边际效应符号。
- 材料陈述的贡献
- 摘要称，该框架在较弱限制下识别效应方向；模拟与两个数据例子显示，相比所比较方法，方向可识别的时长范围常更宽。
- 阅读关注点
- 应核对 copula 对协变量不变的准确含义、分解所需其他限制，以及识别的是何种边际分布效应和哪些时长区间。
- 阅读边界
- 仅据所给 Crossref 版本摘要，不能判断所谓弱限制的完整内容；结果针对方向而非效应大小，也不能将例子中的比较普遍化。
原文摘要
We present a new framework for the identification of competing risks models, which also include Roy models. We show that by establishing a Hicksian-type decomposition, the direction of covariate effects on the marginal distributions of the competing risks model can be identified under weak restrictions. Our approach leaves the marginal distributions and their joint distribution completely unspecified, except that the associated copula is invariant in the covariates. Results from simulations and two data examples suggest that our method often outperforms existing comparable approaches in terms of the range of durations for which the direction of the covariate effect is identified, particularly for long duration.