Estimation of the mean function with panel count data using monotone polynomial splines
利用单调多项式样条估计面板计数数据的均值函数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 panel count data，即计数过程在多个观察时点形成的面板计数资料。
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…
利用单调多项式样条估计面板计数数据的均值函数
- 研究问题
- 对仅在若干观察时点记录累计事件次数的面板计数数据，如何以单调样条构造计数过程均值函数的非参数似然估计？
- 方法与思路
- 作者使用单调多项式样条构造似然估计，并采用广义 Rosen 算法计算；通过中等样本模拟与膀胱肿瘤临床试验示例评估。
- 材料陈述的贡献
- 摘要称，估计量具有一致性，模拟中方差与均方误差小于所列替代方法；收敛速度的原文排版不清，需查阅原文。
- 阅读关注点
- 应核对观察时点机制、样条设定与一致性条件，并查阅原文确认 n-super-1/3 的排版及速度结论的准确含义。
- 阅读边界
- 仅据 RePEc 摘要，不能推断刊本变化；n-super-1/3 的排版不清，需查原文，不能重构速度公式；摘要未说明完整条件。
原文摘要
We study nonparametric likelihood-based estimators of the mean function of counting processes with panel count data using monotone polynomial splines. The generalized Rosen algorithm, proposed by Zhang & Jamshidian (2004), is used to compute the estimators. We show that the proposed spline likelihood-based estimators are consistent and that their rate of convergence can be faster than n-super-1/3. Simulation studies with moderate samples show that the estimators have smaller variances and mean squared errors than their alternatives proposed by Wellner & Zhang (2000). A real example from a bladder tumour clinical trial is used to illustrate this method. Copyright 2007, Oxford University Press.