Inference for a Nonlinear Counting Process Regression Model
非线性计数过程回归模型的推断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：摘要属于一般生存分析与计数过程理论，过程随时间演化不足以直接归入宏观时间序列。
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
非线性计数过程回归模型的推断
- 研究问题
- 如何在协变量随时间变化、观测不满足经典独立同分布条件且可能发生重复事件时，对一般条件风险函数进行推断？
- 方法与思路
- 作者在一般非参数计数过程回归框架内使用鞅与计数过程工具，以某些渐近稳定性假设替代经典独立同分布假设。
- 材料陈述的贡献
- 摘要称将既有条件风险与生存函数推断扩展至时变协变量和重复事件，并涵盖右删失及多种过程模型。
- 阅读关注点
- 应核对渐近稳定性假设、时变协变量的处理方式，以及右删失、半马尔可夫和重复事件例子各自对应的条件。
- 阅读边界
- 材料为稿件版本未注明的 OpenAlex 索引摘要；具体估计形式、推断结论与条件未列出，不能据此推断刊本变化。
原文摘要
Martingale and counting process techniques are applied to the problem of inference for general conditional hazard functions. This problem was first studied by Beran, who introduced a class of estimators for the conditional cumulative hazard and survival functions in the special case of time-independent covariates. Here the covariate can be time dependent; the classical i.i.d. assumptions are relaxed by replacing them with certain asymptotic stability assumptions, and models involving recurrent failures are included. This is done within the framework of a general nonparametric counting process regression model. Important examples of the model include right-censored survival data, semi-Markov processes, an illness-death process with duration dependence, and age-dependent birth and death processes.