Estimating multiplicative and additive hazard functions by kernel methods
加性与乘性风险率函数的核估计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：摘要研究事件时间风险率估计，未直接讨论所列分布效应、因果推断或其他细分。
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…
加性与乘性风险率函数的核估计
- 研究问题
- 在包含左截断、右删失和时变协变量的事件数据中，如何估计加性及乘性非参数风险率模型的各个组成函数？
- 方法与思路
- 作者在计数过程框架下结合核风险率估计与边际积分，进一步为加性和乘性模型构造有限步回拟合估计量。
- 材料陈述的贡献
- 摘要称，边际积分估计量满足中心极限定理，有限步回拟合估计量渐近正态，且其方差小于边际积分方法。
- 阅读关注点
- 应核对截断与删失所需条件、各组成函数的可识别性、带宽和回拟合步数，以及方差比较成立的具体范围。
- 阅读边界
- 来源为版本未注明的 OpenAlex 索引摘要；未提供正则条件、方差公式及有限样本比较，不能把渐近方差优势作一般保证。
原文摘要
We propose new procedures for estimating the component functions in both additive and multiplicative nonparametric marker-dependent hazard models. We work with a full counting process framework that allows for left truncation and right censoring and time-varying covariates. Our procedures are based on kernel hazard estimation as developed by Nielsen and Linton and on the idea of marginal integration. We provide a central limit theorem for the marginal integration estimator. We then define estimators based on finite-step backfitting in both additive and multiplicative cases and prove that these estimators are asymptotically normal and have smaller variance than the marginal integration method.