NONPARAMETRIC IDENTIFICATION OF THE MIXED HAZARDS MODEL WITH TIME-VARYING COVARIATES
含时变协变量的混合风险率模型的非参数识别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：摘要聚焦持续期模型识别，未明确涉及给定分类中的因果效应、离散选择或结构行为机制。
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
含时变协变量的混合风险率模型的非参数识别
- 研究问题
- 对单次持续期数据，能否利用协变量的跨期与跨个体变化，在不依赖比例风险假设的情况下识别混合风险率模型？
- 方法与思路
- 作者结合协变量随时间的变化和观测间的变化建立非参数识别论证，讨论常见时变协变量提供的识别信息。
- 材料陈述的贡献
- 摘要称，上述两类变化足以在没有比例风险假设时实现识别，且所需时间变化较少，常见时变协变量即可满足。
- 阅读关注点
- 应核对所谓最小时间变化的精确定义、协变量与未观测异质性的关系，以及识别对象和其余必要条件。
- 阅读边界
- 仅据 RePEc 所载出版社摘要；摘要未列出完整识别条件，也未说明删失等观测问题如何处理，不推断其他版本变化。
原文摘要
Most nonparametric identification results for the mixed proportional hazards model for single spell duration data depend crucially on the proportional hazards assumption. Here, it is shown that variation in covariates over time, combined with variation across observations, is sufficient to ensure identification without the proportional hazards assumption. The required variation over time is minimal, and the mixed hazards model is identified without the proportional hazards assumption in the presence of standard time-varying covariates.Thanks to Kåre Bævre, Zhiyang Jia, Tore Schweder, Rolf Aaberge, and John K. Dagsvik for useful comments.