On assessing the association for bivariate current status data
双变量现状数据的关联性评估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：摘要研究生存资料中的 copula 关联估计，未涉及所列分布效应或其他计量细分的明确问题。
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
双变量现状数据的关联性评估
- 研究问题
- 只知道两个事件在检查时是否已发生的双变量现状数据，如何估计与 Kendall 秩相关有关的关联参数并进行统计推断？
- 方法与思路
- 作者假定两个失效时间服从双变量 copula 模型，提出两阶段半参数估计程序，先估计边际分布再估计关联参数。
- 材料陈述的贡献
- 摘要称，尽管第一阶段边际估计较慢，关联参数仍具有通常的渐近正态性质，方差可一致估计，并提供模拟与疾病研究示例。
- 阅读关注点
- 应核对检查机制、copula 设定、两阶段误差如何进入参数估计，以及方差估计和台湾心血管疾病示例的具体实施。
- 阅读边界
- 所给材料为版本未注明的 OpenAlex 索引摘要；收敛率符号的上下标展示不清，需查阅原PDF确认，摘要亦未列出渐近条件。
原文摘要
Assuming that the two failure times of interest with bivariate current status data follow a bivariate copula model, we propose a two‐stage estimation procedure to estimate the association parameter which is related to Kendall's tau. Asymptotic properties of the proposed semiparametric estimator show that, although the first‐stage marginal estimators have a convergence rate of only n1/3, the resulting parameter estimator still converges to a normal random variable with the usual n1/2 rate. The variance of the proposed estimator can be consistently estimated. Simulation results are presented, and a community‐based study of cardiovascular diseases in Taiwan provides an illustrative example.