A Unified Approach to Semiparametric Transformation Models Under General Biased Sampling Schemes
一般有偏抽样下半参数变换模型的统一方法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：摘要聚焦生存相关抽样设计与半参数变换模型，未明确涉及所列领域细分。
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…
一般有偏抽样下半参数变换模型的统一方法
- 研究问题
- 在左截断、长度偏倚及病例队列等有偏抽样设计下，如何统一估计半参数线性变换模型并获得可估计的方差？
- 方法与思路
- 作者引入抵消抽样偏差的一般权重，构造基于计数过程的无偏估计方程，并推导极限方差及其代入估计。
- 材料陈述的贡献
- 摘要称，适当正则条件下建立一致性、渐近正态性和方差估计一致性，且统一框架涵盖多种抽样设计及其变体。
- 阅读关注点
- 应核对抽样权重需要哪些已知或估计信息、变换函数的处理、不同设计如何成为特例，以及方差公式的适用条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；一般有偏抽样仍受权重结构及正则条件约束，不能推断其可修正任意选择偏差或识别因果效应。
原文摘要
We propose a unified estimation method for semiparametric linear transformation models under general biased sampling schemes. The new estimator is obtained from a set of counting process-based unbiased estimating equations, developed through introducing a general weighting scheme that offsets the sampling bias. The usual asymptotic properties, including consistency and asymptotic normality, are established under suitable regularity conditions. A closed-form formula is derived for the limiting variance and the plug-in estimator is shown to be consistent. We demonstrate the unified approach through the special cases of left truncation, length-bias, the case-cohort design and variants thereof. Simulation studies and applications to real data sets are presented.