Smoothed Cox regression
平滑Cox回归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：摘要主要涉及生存分析、删失数据与计数过程，未明确关联给定的因果、面板、时间序列或金融方向，因此暂不分类。
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
平滑Cox回归
- 研究问题
- 基准强度依赖协变量时，如何灵活分析带协变量的删失失效时间或计数过程，同时对回归参数进行有效渐近推断？
- 方法与思路
- 作者在广义Cox回归中使用核平滑处理依赖协变量的基准强度，并讨论回归参数、基准累积风险及相关参数的估计。
- 材料陈述的贡献
- 摘要称在正则条件下，回归参数估计量具有根号样本量收敛速度和渐近正态性，同时讨论基准累积风险函数的估计。
- 阅读关注点
- 应核对广义Cox模型设定、删失机制、平滑带宽与正则条件，以及回归参数和基准累积风险各自的推断范围。
- 阅读边界
- 索引摘要未注明稿件版本，不能推断刊本变化；摘要未展开正则条件、带宽要求或方差估计，不能确认具体数据中的适用性。
原文摘要
Nonparametric regression was shown by Beran and McKeague and Utikal to provide a flexible method for analysis of censored failure times and more general counting processes models in the presence of covariates. We discuss application of kernel smoothing towards estimation in a generalized Cox regression model with baseline intensity dependent on a covariate. Under regularity conditions we show that estimates of the regression parameters are asymptotically normal at rate root-n, and we also discuss estimation of the baseline cumulative hazard function and related parameters.