Smoothed and Corrected Score Approach to Censored Quantile Regression With Measurement Errors
测量误差下删失分位数回归的平滑与校正得分方法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：摘要明确研究删失分位数回归及生存时间不同分位数上的协变量关系。
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
测量误差下删失分位数回归的平滑与校正得分方法
- 研究问题
- 生存时间存在删失且协变量含测量误差时，如何估计不同生存分位数上的协变量关系，减少将误测变量当作准确观测导致的偏差？
- 方法与思路
- 作者为删失分位数回归提出平滑且经过校正的估计方程，研究估计量的理论性质，并通过模拟和肺癌研究进行评估。
- 材料陈述的贡献
- 摘要称估计量具有一致性与渐近正态性，在多种测量误差及模型误差分布下可消除朴素估计偏差，并考察有限样本表现。
- 阅读关注点
- 阅读时应核对误差分布信息如何进入校正、删失与误测变量的条件，以及平滑参数、渐近方差和不同分位数的估计稳定性。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；误差模型、可获得信息及删失条件未展开，不能将偏差消除推广至任意测量误差或推断刊本变化。
原文摘要
Censored quantile regression is an important alternative to the Cox proportional hazards model in survival analysis. In contrast to the usual central covariate effects, quantile regression can effectively characterize the covariate effects at different quantiles of the survival time. When covariates are measured with errors, it is known that naively treating mismeasured covariates as error-free would result in estimation bias. Under censored quantile regression, we propose smoothed and corrected estimating equations to obtain consistent estimators. We establish consistency and asymptotic normality for the proposed estimators of quantile regression coefficients. Compared with the naive estimator, the proposed method can eliminate the estimation bias under various measurement error distributions and model error distributions. We conduct simulation studies to examine the finite-sample properties of the new method and apply it to a lung cancer study. Supplementary materials for this article are available online.