Copula Based Cox Proportional Hazards Models for Dependent Censoring
依赖删失下基于 Copula 的 Cox 比例风险模型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：摘要研究生存分析中的依赖删失，“风险”指生存风险，未涉及金融尾部或系统性风险。
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…
依赖删失下基于 Copula 的 Cox 比例风险模型
- 研究问题
- 生存时间与删失时间相依、且依赖参数缺乏先验知识时，如何建立可识别模型并估计生存风险及有限维参数？
- 方法与思路
- 作者用参数化 Copula 描述生存与删失时间关系，生存边缘采用半参数 Cox 模型，删失边缘采用参数模型并估计未知依赖参数。
- 材料陈述的贡献
- 摘要称，证明模型可识别，并建立模型参数及累积风险函数估计的一致性与渐近正态性，另提供模拟和滤泡性淋巴瘤应用。
- 阅读关注点
- 应核对可识别性依赖的 Copula 与删失边缘限制、累积风险估计步骤，以及依赖结构或删失模型误设时的敏感性。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；具体识别条件及模型族未说明，依赖参数可估计不意味着任意依赖删失均可识别。
原文摘要
Most existing copula models for dependent censoring in the literature assume that the parameter defining the copula is known. However, prior knowledge on this dependence parameter is often unavailable. In this article we propose a novel model under which the copula parameter does not need to be known. The model is based on a parametric copula model for the relation between the survival time (T) and the censoring time (C), whereas the marginal distributions of T and C follow a semiparametric Cox proportional hazards model and a parametric model, respectively. We show that this model is identified, and propose estimators of the nonparametric cumulative hazard and the finite-dimensional parameters. It is shown that the estimators of the model parameters and the cumulative hazard function are consistent and asymptotically normal. We also investigate the performance of the proposed method using finite-sample simulations. Finally, we apply our model and estimation procedure to a follicular cell lymphoma dataset. Supplementary materials for this article are available online.