The Singularity of the Information Matrix of the Mixed Proportional Hazard Model
混合比例风险模型信息矩阵的奇异性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：摘要涉及持续期模型的一般识别与信息矩阵性质，未说明与所列细分领域直接对应的应用或机制。
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
混合比例风险模型信息矩阵的奇异性
- 研究问题
- 混合比例风险模型在何种识别条件下可保证信息矩阵非奇异，并使估计量达到通常的平方根样本量收敛速度？
- 方法与思路
- 作者对混合比例风险模型提出新的识别条件，特别要求基准风险函数在起始时点附近远离零且有有限上界，并据此讨论估计。
- 材料陈述的贡献
- 摘要提出新的识别条件，称其能够确保信息矩阵非奇异，并给出一个以 N^{-1/2} 速率收敛的混合比例风险模型估计量。
- 阅读关注点
- 重点核对起始时点附近的风险函数限制、其余识别条件及信息矩阵的定义，并确认估计对象、估计量构造和收敛速率证明。
- 阅读边界
- 摘要未说明完整模型、估计对象与其他正则条件，也未报告渐近分布或有限样本表现；不能由收敛速率直接判断推断有效性。
原文摘要
This paper presents new identification conditions for the mixed proportional hazard model. In particular, the baseline hazard is assumed to be bounded away from 0 and ∞ near t = 0. These conditions ensure that the information matrix is nonsingular. The paper also presents an estimator for the mixed proportional hazard model that converges at rate N −1/2.