On least-squares regression with censored data
删失数据的最小二乘回归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：摘要研究生存时间与删失回归，所列细分中没有直接对应的生存分析方向。
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
删失数据的最小二乘回归
- 研究问题
- 研究右删失数据下，如何对误差分布未指定的半参数加速失效时间模型进行可靠的回归参数推断。
- 方法与思路
- 作者从初始一致估计出发迭代求解 Buckley–James 估计方程，并提出重抽样方法估计极限协方差矩阵。
- 材料陈述的贡献
- 摘要称估计量一致且渐近正态，并讨论多变量失效时间边际模型的扩展，通过模拟与医学研究进行说明。
- 阅读关注点
- 阅读全文应核对删失机制要求、初始估计的构造、迭代过程的理论保证，以及重抽样在多变量扩展中的处理。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明删失条件、迭代收敛细节或模拟结果数值。
原文摘要
The semiparametric accelerated failure time model relates the logarithm of the failure time linearly to the covariates while leaving the error distribution unspecified. The present paper describes simple and reliable inference procedures based on the least-squares principle for this model with right-censored data. The proposed estimator of the vector-valued regression parameter is an iterative solution to the Buckley–James estimating equation with a preliminary consistent estimator as the starting value. The estimator is shown to be consistent and asymptotically normal. A novel resampling procedure is developed for the estimation of the limiting covariance matrix. Extensions to marginal models for multivariate failure time data are considered. The performance of the new inference procedures is assessed through simulation studies. Illustrations with medical studies are provided.