Estimation from cross-sectional samples under bias and dependence
偏差与依赖并存时的横截面样本估计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：摘要讨论横截面抽样下停留时长分布的偏差与依赖，没有明确涉及面板、分布效应或其他所列方向。
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…
偏差与依赖并存时的横截面样本估计
- 研究问题
- 当总体在已知离散时点进入、随后被横截面抽样时，停留时长的长度偏差和观测依赖如何影响分布估计与统计推断？
- 方法与思路
- 作者分析进入过程与停留时长独立性的关系，研究忽略依赖、采用边际分布乘积的参数及非参数估计量的渐近性质。
- 材料陈述的贡献
- 摘要称，观测停留时长仅在多项式进入过程下独立，并给出边际乘积方法产生正确或错误推断的条件及住院时长应用。
- 阅读关注点
- 应核对进入过程的定义、独立性结论所处模型、长度偏差的处理，以及忽略依赖时点估计与不确定性估计各自的有效条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；进入机制和有效推断条件未展开，不能从摘要确定具体估计或标准误公式。
原文摘要
A population can be entered at a known sequence of discrete times; it is sampled cross-sectionally, and the sojourn times of individuals in the sample are observed. It is well known that cross-sectioning leads to length-bias, but less well known and often ignored that it may also result in dependence among the observations. We show that observed sojourn times are independent only under a multinomial entrance process. We study asymptotic properties of parametric and nonparametric estimators of the sojourn time distribution using the product of marginals in spite of dependence, and provide conditions under which this approach results in proper or improper and wrong inference. We apply the proposed methods to data on hospitalization time after bowel and hernia surgeries collected by a cross-sectional design.