A Marginal Likelihood Approach to Estimation in Frailty Models
脆弱性模型估计的边际似然方法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：摘要讨论聚类生存数据与脆弱性模型，聚类结构本身不足以认定为面板或网络计量。
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
脆弱性模型估计的边际似然方法
- 研究问题
- 研究聚类生存数据中存在潜在脆弱性时，如何估计模型参数，并克服边际似然难以解析计算的问题。
- 方法与思路
- 作者用重要性抽样进行蒙特卡洛边际似然近似，以均匀分布模拟实现计算，重点考察具有显式拉普拉斯变换的脆弱性分布。
- 材料陈述的贡献
- 摘要称该方法可处理删失和不等簇大小，覆盖若干常见脆弱性分布，并以动物致癌实验数据和模拟研究说明方法。
- 阅读关注点
- 应核对簇内依赖和删失假设、重要性权重与模拟规模，以及蒙特卡洛误差如何影响参数估计和不确定性评估。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要解读，不推断刊本变化。摘要未说明识别条件、近似误差或模拟数值，适用分布需满足所述变换要求。
原文摘要
A marginal likelihood approach is proposed for estimating the parameters in a frailty model using clustered survival data. To overcome the analytic intractability of the marginal likelihood function, we propose a Monte Carlo approximation using the technique of importance sampling. Implementation is by means of simulations from the uniform distribution. The suggested method can cope with censoring and unequal cluster sizes and can be applied to any frailty distribution with explicit Laplace transform. We concentrate on a two-parameter family that includes the gamma, inverse Gaussian, and positive stable distributions as special cases. The method is illustrated using data from an animal carcinogenesis experiment and validated in a simulation study.