A semiparametric estimator for the proportional hazards model with longitudinal covariates measured with error
存在纵向协变量测量误差的比例风险模型半参数估计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：摘要聚焦生存分析与纵向测量误差，未明确涉及经济面板模型，不能仅凭纵向数据归入面板方向。
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
存在纵向协变量测量误差的比例风险模型半参数估计
- 研究问题
- 纵向协变量存在测量误差且随机效应分布可能非正态时，如何估计其与失效时间的比例风险关系，避免指定随机效应分布？
- 方法与思路
- 作者假定纵向数据服从带正态测量误差的线性混合效应模型，风险由潜在随机效应及固定协变量决定，并构造半参数估计方法。
- 材料陈述的贡献
- 摘要称所提比例风险参数估计无需对随机效应分布作假设，并讨论大样本性质，通过模拟与竞争方法比较有限样本表现。
- 阅读关注点
- 应核对潜在协变量过程如何进入风险模型、测量误差正态性及其他必要条件，并查看估计步骤和模拟比较的分布设置。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；免设随机效应分布仍依赖所述模型和正态测量误差，具体大样本条件及比较结果未说明。
原文摘要
A common objective in longitudinal studies is to characterise the relationship between a failure time process and time‐independent and time‐dependent covariates. Time‐dependent covariates are generally available as longitudinal data collected periodically during the course of the study. We assume that these data follow a linear mixed effects model with normal measurement error and that the hazard of failure depends both on the underlying random effects describing the covariate process and other time‐independent covariates through a proportional hazards relationship. A routine assumption is that the random effects are normally distributed; however, this need not hold in practice. Within this framework, we develop a simple method for estimating the proportional hazards model parameters that requires no assumption on the distribution of the random effects. Large‐sample properties are discussed, and finite‐sample performance is assessed and compared to competing methods via simulation.