Likelihood-based Instrumental Variable Methods for Cox Proportional Hazard Models
Cox 比例风险模型的似然型工具变量方法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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要围绕未观测协变量下的工具变量估计展开，与因果推断中的内生性处理直接相关。
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
Cox 比例风险模型的似然型工具变量方法
- 研究问题
- 当 Cox 比例风险模型存在未观测协变量时，如何利用工具变量进行估计，并评估所提方法的理论性质与模拟表现？
- 方法与思路
- 作者借鉴有限信息最大似然思想，构造 Cox 比例风险模型的工具变量估计量，并通过模拟与已有方法比较其性质。
- 材料陈述的贡献
- 摘要称提出一种新的工具变量估计量，具有良好的理论性质，并以模拟考察新旧方法；具体性质和比较结果未展开。
- 阅读关注点
- 读全文时应核对工具变量有效性、未观测协变量与删失的处理、似然构造，以及理论结论的条件和模拟比较设计。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或获期刊接收；摘要未说明具体工具变量假设、定理或数值结果。
原文摘要
In biometrics and related fields, the Cox proportional hazards model are widely used to analyze with covariate adjustment. However, when some covariates are not observed, an unbiased estimator usually cannot be obtained. Even if there are some unmeasured covariates, instrumental variable methods can be applied under some assumptions. In this paper, we propose the new instrumental variable estimator for the Cox proportional hazards model. The estimator is the similar feature as Martinez-Camblor et al., 2019, but not the same exactly; we use an idea of limited-information maximum likelihood. We show that the estimator has good theoretical properties. Also, we confirm properties of our method and previous methods through simulations datasets.