Empirical process approach in a two-sample location-scale model with censored data
删失数据两样本位置—尺度模型的经验过程方法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：摘要研究删失持续时间的位置—尺度推断，分位数过程是技术工具，未明确涉及所列因果或分布效应方向，故不指定细分。
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
删失数据两样本位置—尺度模型的经验过程方法
- 研究问题
- 比较可能右删失的两组持续时间时，若组内变异存在异质性，如何在不指定分布形状的条件下联合推断位置与尺度参数？
- 方法与思路
- 作者对持续时间取对数建立位置—尺度模型，借助 Kaplan–Meier 分位数经验过程的强逼近构造回归框架，并采用 GLS 估计。
- 材料陈述的贡献
- 摘要称异质性会使所讨论的常规秩检验推断不适用；所提 GLS 估计具有半参数效率，特殊情形下具有适应性，并扩展至多样本。
- 阅读关注点
- 核对删失机制与强逼近条件、GLS 权重和效率界、适应性成立的特殊情形，以及两样本结论扩展到多样本的要求。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未列出删失及正则条件，也不能据其治疗分组表述推断因果识别成立。
原文摘要
To compare two samples of possibly right-censored failure times, a location-scale model, without assuming the distribution form, is considered for the log-transformed data. This new accelerated failure time model is introduced to accommodate the possible heterogeneity between within-treatment variations of the two groups considered. One distinct feature of this model is that, with the presence of heterogeneity, statistical inferences on both location and scale parameters based on log-rank tests or linear rank tests will become inappropriate. In this paper we propose the empirical process approach to construct a regression setup derived from the theory of strong approximation of the Kaplan-Meier product-limit empirical quantile process. A generalized least squares (GLS) estimator is obtained and shown to be semiparametric efficient. Also it is shown that this estimation is adaptive for a special case. At the end, results on the two-sample setting are applied to the K-sample problem.