Estimating the Association Parameter for Copula Models Under Dependent Censoring
依赖删失下 Copula 模型关联参数的估计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：摘要聚焦生物医学事件时间、Copula 关联与依赖删失，没有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
依赖删失下 Copula 模型关联参数的估计
- 研究问题
- 多个事件时间之间的关联是研究目标，而其中一个终点又被另一个终点删失时，如何估计可能随时间变化的关联参数？
- 方法与思路
- 作者将既有模型假设扩展到关联程度可随时间变化的结构，提出两类估计函数，分析渐近性质，并用模拟和两个数据集展示。
- 材料陈述的贡献
- 摘要称扩展了依赖删失情形中的关联建模结构，提供两类估计方法及渐近分析，并考察有限样本表现和真实数据应用。
- 阅读关注点
- 应核对删失机制与 Copula 设定、时间变化关联的参数化及可识别性条件，并比较两类估计函数的实施要求和推断表现。
- 阅读边界
- 仅依据所给 Crossref 摘要；具体模型假设、识别条件和模拟结果未说明，不能认为任意依赖删失下关联参数都能识别或有效估计。
原文摘要
Summary Many biomedical studies involve the analysis of multiple events. The dependence between the times to these end points is often of scientific interest. We investigate a situation when one end point is subject to censoring by the other. The model assumptions of Day and co-workers and Fine and co-workers are extended to more general structures where the level of association may vary with time. Two types of estimating function are proposed. Asymptotic properties of the proposed estimators are derived. Their finite sample performance is studied via simulations. The inference procedures are applied to two real data sets for illustration.