Linear Regression with Current Status Data
当前状态数据下的线性回归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：摘要聚焦生存分析中的当前状态删失回归，未提供所列领域细分的直接依据。
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
当前状态数据下的线性回归
- 研究问题
- 生存时间经适当变换后满足线性模型，但只能观察当前状态删失信息时，如何在不指定误差分布的情况下估计回归参数？
- 方法与思路
- 作者构造带约束的随机筛似然，将半参数似然与估计方程结合，实施参数估计、剖面似然比推断及模型诊断。
- 材料陈述的贡献
- 摘要称，论文获得回归参数估计量和剖面似然比统计量的渐近分布，并通过模拟、动物致瘤和 HIV 数据展示应用。
- 阅读关注点
- 核对观察时点与删失机制的条件、随机筛及约束的构造，以及参数识别、剖面似然比极限分布和诊断的适用范围。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；未说明删失独立性、识别条件或具体模拟表现，不能把半参数设定理解为无需假设。
原文摘要
In survival analysis, a linear model often provides an adequate approximation after a suitable transformation of the survival times and possibly of the covariates. This article proposes a semiparametric regression method for estimating the regression parameter in the linear model without specifying the distribution of the random error, where the response variable is subject to so-called case 1 interval censoring. The method uses a constructed random-sieve likelihood and constraints, combining the benefits of semiparametric likelihood with estimating equations. The estimation procedure is implemented, and the asymptotic distributions for the estimated regression parameter and for the profile likelihood ratio statistic are obtained. In addition, some model diagnostics aspects are described. Finally, the small-sample operating characteristics of the proposed method is examined via simulations, and its usefulness is illustrated on datasets from an animal tumorigenicity study and from a HIV study.