Regression Analysis with Randomly Right-Censored Data
随机右删失数据的回归分析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：右删失回归并不自动对应因果、结构或分布效应研究，摘要缺乏所列细分领域的明确依据。
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
随机右删失数据的回归分析
- 研究问题
- 在线性回归观测受到随机右删失、且误差分布未知的情况下，如何构造可计算的参数向量估计并建立渐近推断基础？
- 方法与思路
- 作者提出一个显式定义且易于计算的新估计量，并给出其均方一致性与渐近正态性的充分条件，辅以数值例子。
- 材料陈述的贡献
- 摘要明确陈述的贡献是未知误差分布下随机右删失线性回归的新估计量，以及保证均方一致和渐近正态的充分条件。
- 阅读关注点
- 应核对随机删失机制与回归误差、协变量的关系，以及估计量的显式构造、充分条件和渐近方差的估计方式。
- 阅读边界
- 索引摘要未注明稿件版本，未说明删失独立性等具体条件或数值表现；不能据此认为该方法适用于任意删失机制。
原文摘要
This paper proposes a new estimator of the parameter vector in a linear regression model when the observations are randomly censored on the right and when the error distribution is unknown. This estimator is explicitly defined and easily computable. The paper contains sufficient conditions under which this estimator is mean square consistent and asymptotically normal. A numerical example is given.