Rank Regression Methods for Left-Truncated and Right-Censored Data
左截断与右删失数据的秩回归方法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：摘要涉及截断删失下的一般秩回归，并未明确研究分位数、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…
关注这篇论文的作者
左截断与右删失数据的秩回归方法
- 研究问题
- 当响应变量同时受到左截断与右删失时，如何构造可用的秩回归估计，并建立其渐近正态性及提高渐近效率的方法？
- 方法与思路
- 作者提出一类秩估计，利用鞅理论及多参数经验过程随机积分的紧性引理证明渐近正态性，并讨论得分函数的自适应选择。
- 材料陈述的贡献
- 摘要称，所提秩估计在一定假设下具有渐近正态性，并讨论通过自适应选择得分函数获得渐近有效秩估计的途径。
- 阅读关注点
- 应核对截断与删失机制的假设、秩估计方程及方差计算，并检查自适应得分函数选择所要求的信息和效率比较基准。
- 阅读边界
- 依据稿件版本未注明的 OpenAlex 索引摘要；具体回归模型、截断删失条件及效率界未说明，不能推断任意缺失机制下有效。
原文摘要
A class of rank estimators is introduced for regression analysis in the presence of both left-truncation and right-censoring on the response variable. By making use of martingale theory and a tightness lemma for stochastic integrals of multiparameter empirical processes, the asymptotic normality of the estimators is established under certain assumptions. Adaptive choice of the score functions to give asymptotically efficient rank estimators is also discussed.