Current status and right-censored data structures when observing a marker at the censoring time
删失时观测标记变量的现状数据与右删失数据结构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：摘要聚焦删失数据和计数过程的非参数效率理论，未明确对应所列经济计量细分领域。
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…
删失时观测标记变量的现状数据与右删失数据结构
- 研究问题
- 在随机监测或右删失时还观测到计数过程标记的情况下，忽略部分信息的简单估计量能否仍达到渐近效率？
- 方法与思路
- 作者研究两种独立同分布观测结构，分析加权相邻违例合并估计与Kaplan–Meier估计对相关时间分布和参数的效率。
- 材料陈述的贡献
- 摘要称在许多连续数据生成分布处，这些看似忽略重要信息的估计量，对可按平方根样本量速率估计的参数仍渐近有效。
- 阅读关注点
- 应核对监测与删失机制、可按该速率估计的参数类别，以及效率结论适用的连续分布和标记信息作用。
- 阅读边界
- OpenAlex索引摘要未注明稿件版本；结论限于所述分布与参数类别，不能据此认定标记信息对所有目标均无价值。
原文摘要
We study nonparametric estimation with two types of data structures. In the first data structure n i.i.d. copies of $(C,N(C))$ are observed, where N is a finite state counting process jumping at time-variables of interest and C a random monitoring time. In the second data structure n i.i.d. copies of $(C\wedge T,I(T\leq C),N (C\wedge T))$ are observed, where N is a counting process with a final jump at time T (e.g., death). This data structure includes observing right-censored data on T and a marker variable at the censoring time. In these data structures, easy to compute estimators, namely (weighted)-pool-adjacent-violator estimators for the marginal distributions of the unobservable time variables, and the Kaplan-Meier estimator for the time T till the final observable event, are available. These estimators ignore seemingly important information in the data. In this paper we prove that, at many continuous data generating distributions the ad hoc estimators yield asymptotically efficient estimators of $\sqrt{n}$-estimable parameters.