Regression Analysis of Longitudinal Data in the Presence of Informative Observation and Censoring Times
信息性观测与删失时间下的纵向数据回归分析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：摘要直接研究个体纵向重复观测的回归及信息性观测和删失，方法主题对应面板数据方向。
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
信息性观测与删失时间下的纵向数据回归分析
- 研究问题
- 当纵向响应与观测时间、删失时间相关时，如何分析回归关系，避免依赖独立或非信息性观测和删失的设定？
- 方法与思路
- 作者采用潜变量刻画响应、观测与删失过程之间的相关性，建立联合模型，并开发回归参数的估计方程及模型检查程序。
- 材料陈述的贡献
- 摘要称建立估计量的样本性质，提出图形和数值模型检查方法，并将联合建模方法用于促成该研究的膀胱癌数据。
- 阅读关注点
- 应核对潜变量的结构、联合模型的可识别性、估计方程条件，以及模型检查能否发现观测与删失过程设定错误。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；不能推断其他版本变化。摘要未说明相关性的识别条件或潜变量假设，不能判断对模型误设的稳健性。
原文摘要
Longitudinal data frequently occur in many studies, such as longitudinal follow-up studies. To develop statistical methods and theory for the analysis of these data, independent or noninformative observation and censoring times are typically assumed, which naturally leads to inference procedures conditional on observation and censoring times. But in many situations this may not be true or realistic; that is, longitudinal responses may be correlated with observation times as well as censoring times. This article considers the analysis of longitudinal data where these correlations may exist and proposes a joint modeling approach that uses some latent variables to characterize the correlations. For inference about regression parameters, estimating equation approaches are developed and both large-sample and final-sample properties of the proposed estimators are established. In addition, some graphical and numerical procedures are presented for model checking. The methodology is applied to a bladder cancer study that motivated this investigation.