Efficient estimation of the partly linear additive Cox model
部分线性可加 Cox 模型的有效估计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：摘要研究一般生存分析与半参数效率，给定分类没有生存分析方向，也未提供其他细分的直接依据。
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…
关注这篇论文的作者
部分线性可加 Cox 模型的有效估计
- 研究问题
- 在右删失数据的部分线性可加 Cox 模型中，如何灵活估计协变量效应，并使有限维回归参数达到半参数效率界？
- 方法与思路
- 作者用多项式样条估计非参数分量，研究最大偏似然估计的渐近性质，并通过模拟例子说明估计方法的实现。
- 材料陈述的贡献
- 摘要称，在一定样条基函数数量范围内，参数估计具有根号样本量收敛率、渐近正态性，并达到半参数信息界。
- 阅读关注点
- 应核对删失与协变量条件、模型分量的可识别性，以及样条维数范围如何同时保证参数效率和函数估计收敛。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；样条维数范围、函数收敛率的具体形式及模拟表现未说明，不能补造条件。
原文摘要
The partly linear additive Cox model is an extension of the (linear) Cox model and allows flexible modeling of covariate effects semiparametrically. We study asymptotic properties of the maximum partial likelihood estimator of this model with right-censored data using polynomial splines. We show that, with a range of choices of the smoothing parameter (the number of spline basis functions) required for estimation of the nonparametric components, the estimator of the finite-dimensional regression parameter is root-$n$ consistent, asymptotically normal and achieves the semiparametric information bound. Rates of convergence for the estimators of the nonparametric components are obtained. They are comparable to the rates in nonparametric regression. Implementation of the estimation approach can be done easily and is illustrated by using a simulated example.