Semi‐nonparametric competing risks analysis of recidivism
再犯行为的半非参数竞争风险分析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：核心是再犯持续时间与竞争风险建模，隐含 Logit 用于诊断，尚不足以归入所列离散选择方向。
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
再犯行为的半非参数竞争风险分析
- 研究问题
- 研究轻罪与重罪再犯的持续时间如何受共同未观测异质性影响，以及统一模型能否适用于不同州。
- 方法与思路
- 作者设定含 Weibull 基准风险的双变量混合比例风险模型，用 Legendre 多项式刻画异质性，并检验其隐含 Logit 模型。
- 材料陈述的贡献
- 摘要称合并估计模型无论是否含州固定效应均被 ICM 检验拒绝；逐州模型未被拒绝，且各州估计差异明显。
- 阅读关注点
- 应核对竞争风险与共同异质性的设定、隐含 Logit 关系的推导，以及逐州检验的样本量和检验功效。
- 阅读边界
- 仅据所给 Crossref 摘要，不能据未拒绝确认逐州模型正确；删失处理、异质性识别及再犯数据细节均未说明。
原文摘要
Abstract In this paper we specify a semi‐nonparametric competing risks (SNP‐CR) model of recidivism, for misdemeanors and felonies. The model is a bivariate mixed proportional hazard model with Weibull baseline hazards and common unobserved heterogeneity. The distribution of the latter is modeled semi‐nonparametrically, using orthonormal Legendre polynomials on the unit interval, and integrated out to make the two durations dependent, conditional on the covariates. The SNP‐CR model involved corresponds to a Logit model for felony arrest; hence the validity of the SNP‐CR model can be tested by testing the validity of the implied Logit model. The latter will be done by using the integrated conditional moment (ICM) test. In the first instance we have estimated and tested two versions of the SNP‐CR model, without and with fixed state effects. However, the ICM test rejects these models. Therefore, we have estimated and tested the model for each state separately. These state models are not rejected by the ICM test. Indeed, the estimation results vary substantially per state. Copyright © 2007 John Wiley & Sons, Ltd.