Smooth Backfitting of Proportional Hazards With Multiplicative Components
具有乘法分量的比例风险模型的光滑回代估计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：摘要核心是生存风险模型；虽含预测应用，但未说明宏观时间序列或其他所列结构。
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…
具有乘法分量的比例风险模型的光滑回代估计
- 研究问题
- 在条件风险函数具有乘法分量的比例风险模型中，如何用光滑回代降低多协变量估计难度，并保留所需结构？
- 方法与思路
- 作者将光滑回代引入生存分析，通过向目标结构空间投影构造估计量，发展渐近理论，并将方法用于样本内预测应用。
- 材料陈述的贡献
- 摘要称，模拟中方法缓解维数灾难，在协变量较多或高度相关时优于所比较估计量；应用允许纳入更多预测信息。
- 阅读关注点
- 应核对乘法分解的规范化、删失与风险集处理、光滑参数选择，以及渐近条件和样本内预测所要求的结构限制。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要，渐近条件与模拟设计未详述，不能将比较优势推广到任意生存模型或推断刊本变化。
原文摘要
Smooth backfitting has proven to have a number of theoretical and practical advantages in structured regression. By projecting the data down onto the structured space of interest smooth backfitting provides a direct link between data and estimator. This article introduces the ideas of smooth backfitting to survival analysis in a proportional hazard model, where we assume an underlying conditional hazard with multiplicative components. We develop asymptotic theory for the estimator. In a comprehensive simulation study, we show that our smooth backfitting estimator successfully circumvents the curse of dimensionality and outperforms existing estimators. This is especially the case in difficult situations like high number of covariates and/or high correlation between the covariates, where other estimators tend to break down. We use the smooth backfitter in a practical application where we extend recent advances of in-sample forecasting methodology by allowing more information to be incorporated, while still obeying the structured requirements of in-sample forecasting. Supplementary materials for this article are available online.