Logistic Regression, Survival Analysis, and the Kaplan-Meier Curve
Logistic 回归、生存分析与 Kaplan–Meier 曲线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：摘要研究删失数据的生存分析，未明确涉及所列因果、分布效应、宏观或金融细分方向。
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
Logistic 回归、生存分析与 Kaplan–Meier 曲线
- 研究问题
- 如何利用标准 Logistic 回归，从删失数据中估计风险率和生存曲线，并理解参数化估计与 Kaplan–Meier 曲线的联系？
- 方法与思路
- 作者以 Logistic 回归对删失数据进行灵活的参数化建模，提供估计值和标准误，并通过实例与非参数生存曲线比较。
- 材料陈述的贡献
- 摘要称，参数化分析能呈现更多结构；Logistic 回归估计与 Kaplan–Meier 曲线密切相关，并随参数数量增大趋近其估计。
- 阅读关注点
- 阅读全文时应核对删失观测如何进入回归、时间与参数如何设置，以及趋近 Kaplan–Meier 估计所需的条件和标准误计算方法。
- 阅读边界
- 来源为稿件版本未注明的 OpenAlex 索引摘要；删失机制、模型条件与趋近结论的适用范围未说明，不能推断其他版本变化。
原文摘要
We discuss the use of standard logistic regression techniques to estimate hazard rates and survival curves from censored data. These techniques allow the statistician to use parametric regression modeling on censored data in a flexible way that provides both estimates and standard errors. An example is given that demonstrates the increased structure that can be seen in a parametric analysis, as compared with the nonparametric Kaplan-Meier survival curves. In fact, the logistic regression estimates are closely related to Kaplan-Meier curves, and approach the Kaplan-Meier estimate as the number of parameters grows large.