Efficient estimation of semiparametric transformation models for counting processes
计数过程半参数变换模型的有效估计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：摘要研究计数过程强度与删失数据的半参数推断，未提供足以归入因果、面板或其他所列经济细分领域的证据。
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
计数过程半参数变换模型的有效估计
- 研究问题
- 如何用半参数变换模型描述可能随时间变化的协变量与计数过程强度的关系，并在删失观测下进行有效估计和推断？
- 方法与思路
- 作者提出包含比例强度和线性变换模型的模型类，基于删失数据构造回归参数与累积强度函数的非参数极大似然估计。
- 材料陈述的贡献
- 摘要称估计量一致且渐近正态，回归参数估计达到半参数效率界，并可一致估计其方差及累积强度光滑泛函的方差。
- 阅读关注点
- 阅读时应核对变换模型的定义、删失与时变协变量的处理、效率界所需条件，以及累积强度泛函的方差估计方法。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；摘要未说明删失机制和具体正则条件，医学示例不能直接确立因果解释。
原文摘要
A class of semiparametric transformation models is proposed to characterise the effects of possibly time-varying covariates on the intensity functions of counting processes. The class includes the proportional intensity model and linear transformation models as special cases. Nonparametric maximum likelihood estimators are developed for the regression parameters and cumulative intensity functions of these models based on censored data. The estimators are shown to be consistent and asymptotically normal. The limiting variances for the estimators of the regression parameters achieve the semi-parametric efficient bounds and can be consistently estimated. The limiting variances for the estimators of smooth functionals of the cumulative intensity function can also be consistently estimated. Simulation studies reveal that the proposed inference procedures perform well in practical settings. Two medical studies are provided.