The Efficiency of Cox's Likelihood Function for Censored Data
Cox 删失数据似然函数的效率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：摘要研究删失回归与生存分析，未明确关联用户列出的因果、面板、宏观或金融细分方向，不能仅因回归一词归类。
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
Cox 删失数据似然函数的效率
- 研究问题
- Cox 提出的删失数据回归方法在什么条件下具有完全渐近效率，其似然方法与 Kaplan–Meier 生存曲线估计有何联系？
- 方法与思路
- 作者进行信息量计算以研究 Cox 方法的渐近效率，并明确说明该方法与 Kaplan–Meier 生存曲线估计量之间的联系。
- 材料陈述的贡献
- 摘要称，在一组可能适用于许多现实情形的条件下，Cox 方法具有完全渐近效率，并阐明与生存曲线估计的关系。
- 阅读关注点
- 应核对效率比较所对应的模型与信息界、删失机制和其他必要条件，以及 Kaplan–Meier 联系的具体数学表述。
- 阅读边界
- 仅据所给 OpenAlex 摘要，版本未说明。完全效率所需条件及比较基准未提供，不能声称适用于所有删失数据或推断刊本变化。
原文摘要
D.R. Cox has suggested a simple method for the regression analysis of censored data. We carry out an information calculation which shows that Cox's method has full asymptotic efficiency under conditions which are likely to be satisfied in many realistic situations. The connection of Cox's method with the Kaplan-Meier estimator of a survival curve is made explicit.