Inverse Regression Estimation for Censored Data
删失数据的逆回归估计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预测变量评估，未明确对应所列经济计量细分方向。
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…
删失数据的逆回归估计
- 研究问题
- 失效时间受删失而不能完整观测时，如何评估预测变量的表现，并为模型选择提供较少依赖通常模型假设的工具？
- 方法与思路
- 作者构造非参数逆回归方法，结合对未观测失效时间的条件化与处理删失的加权机制，并提供推断和计算算法。
- 材料陈述的贡献
- 摘要称，该方法具有一致性和渐近正态性的理论支持，可用于预测变量评估与模型诊断，并展示模拟和两个应用。
- 阅读关注点
- 应核对条件化对象、删失权重的来源及有效性条件，以及一致性和渐近正态性所需假设与诊断结果的解释。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要，不能确定删失机制要求或效率比较依据，非参数实现也不代表无需假设。
原文摘要
An inverse regression methodology for assessing predictor performance in the censored data setup is developed along with inference procedures and a computational algorithm. The technique developed here allows for conditioning on the unobserved failure time along with a weighting mechanism that accounts for the censoring. The implementation is nonparametric and computationally fast. This provides an efficient methodological tool that can be used especially in cases where the usual modeling assumptions are not applicable to the data under consideration. It can also be a good diagnostic tool that can be used in the model selection process. We have provided theoretical justification of consistency and asymptotic normality of the methodology. Simulation studies and two data analyses are provided to illustrate the practical utility of the procedure.