On fitting Cox's proportional hazards models to survey data
复杂抽样调查数据的 Cox 比例风险模型拟合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：摘要研究调查抽样下的生存回归推断，未明确涉及因果识别、面板方法或其他所列细分方向。
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
复杂抽样调查数据的 Cox 比例风险模型拟合
- 研究问题
- 复杂抽样下如何估计 Cox 回归参数及其方差，并区分针对固定调查总体的推断与考虑总体随机性的超总体推断？
- 方法与思路
- 作者为 Binder 基于全调查总体部分似然得分方程的方法提供正式论证，并提出将调查总体视为无限总体随机样本的替代框架。
- 材料陈述的贡献
- 摘要称，替代框架将总体随机性纳入推断，使参数保留对数风险比解释，并使结论适用于其他总体；论文还研究生存函数估计。
- 阅读关注点
- 应核对抽样设计要求、两种框架的估计目标与方差来源，以及风险比解释和跨总体推断各自依赖的模型与抽样条件。
- 阅读边界
- 依据版本未注明的 OpenAlex 索引摘要；具体抽样条件、删失处理和方差公式未说明，所述跨总体适用性不能视为无条件保证。
原文摘要
Binder (1992) proposed a method of fitting Cox's proportional hazards to models to survey data with complex sampling designs. He defined the regression parameter of interest as the solution to the partial likelihood score equation based on all the data values of the survey population under study, and developed heuristically a procedure to estimate the regression parameter and the corresponding variance. In this paper, we provide a formal justification of Binder's method. Furthermore, we present an alternative approach which regards the survey population as a random sample from an infinite universe and accounts for this randomness in the statistical inference. Under the alternative approach, the regression parameter retains its original interpretation as the log hazard ratio, and the statistical conclusion applies to other populations. The related problem of survival function estimation is also studied.