Efficient estimation in additive hazards regression with current status data
现状数据下加性风险回归的有效估计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：摘要研究生存分析中的现状数据与加性风险模型，未提供所列计量经济学细分方向的充分依据。
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
现状数据下加性风险回归的有效估计
- 研究问题
- 事件发生时间不可见、仅知道检查时是否已经发生时，如何有效估计加性风险模型，并避免对监测时间另建模型？
- 方法与思路
- 作者采用半参数有效得分函数分析现状数据下的加性风险模型，以替代依赖监测强度比例风险建模的既有分析。
- 材料陈述的贡献
- 摘要称所提方法达到半参数信息界，且不需要对监测时间建模，从而回应既有方法的数据利用效率与模型适用问题。
- 阅读关注点
- 应核对有效得分及信息界的推导、监测过程与事件过程的关系，以及无需监测时间模型所依赖的其他条件。
- 阅读边界
- 依据版本未注明的 OpenAlex 摘要；监测机制条件、估计步骤及有限样本结果未说明，不建模监测时间不代表允许任意监测机制。
原文摘要
Current status data arise when the exact timing of an event is unobserved, and it is only known at a given point in time whether or not the event has occurred. Recently Lin et al. (1998) studied the additive semiparametric hazards model for current status data. They showed that the analysis of current status data under the additive hazards model reduces to ordinary Cox regression under the assumption that a proportional hazards model may be used to describe the monitoring intensity. This analysis does not make efficient use of data, and in some cases it may not be appropriate to assume a proportional hazards model for the monitoring times. We study the semiparametric hazards model for current status data but make use of the semiparametric efficient score function. The suggested approach has the advantages that it is efficient in that it reaches the semiparametric information bound, and it does not involve any modelling of the monitoring times.