Regression Analysis of Additive Hazards Model With Latent Variables
含潜变量的加性风险模型回归分析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：摘要研究生存分析中的潜变量与医学风险因素，未涉及宏观金融因子或金融风险计量。
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…
含潜变量的加性风险模型回归分析
- 研究问题
- 当失效时间同时受到可观测与潜在风险因素影响，而潜在因素只能通过相关观测指标刻画时，如何建立并估计加性风险模型？
- 方法与思路
- 作者用验证性因子分析描述潜在风险因素与观测指标的关系，再结合 EM 算法和借力估计方法构成混合参数估计程序。
- 材料陈述的贡献
- 摘要称，作者建立了参数估计量的一致性与渐近正态性，并通过模拟展示有限样本表现，应用于二型糖尿病患者的慢性肾病风险研究。
- 阅读关注点
- 应核对潜变量测量模型的识别约束、借力估计如何与 EM 配合，以及失效观测机制、渐近条件和算法收敛的具体处理。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要，无法判断完整识别条件或模拟表现数值；潜在医学风险因素不等同于金融因子，刊本变化未核验。
原文摘要
We propose an additive hazards model with latent variables to investigate the observed and latent risk factors of the failure time of interest. Each latent risk factor is characterized by correlated observed variables through a confirmatory factor analysis model. We develop a hybrid procedure that combines the expectation–maximization (EM) algorithm and the borrow-strength estimation approach to estimate the model parameters. We establish the consistency and asymptotic normality of the parameter estimators. Various nice features, including finite sample performance of the proposed methodology, are demonstrated by simulation studies. Our model is applied to a study concerning the risk factors of chronic kidney disease for Type 2 diabetic patients. Supplementary materials for this article are available online.