On Estimation of Partially Linear Transformation Models
部分线性变换模型的估计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：摘要聚焦生存数据中的通用半参数变换模型，没有明确涉及所列因果、选择、面板或金融风险研究目标。
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
部分线性变换模型的估计
- 研究问题
- 如何在生存数据的变换模型中同时估计线性与非线性协变量效应，并为线性参数和非线性函数建立渐近推断依据？
- 方法与思路
- 作者提出基于鞅的估计方程，将全局方程与核加权局部方程结合，并提供线性估计方差的重抽样方法及实施用迭代算法。
- 材料陈述的贡献
- 摘要称，适当选择带宽可使线性参数估计一致且渐近正态，同时建立非线性估计的渐近性质，并以数值例子展示有限样本表现。
- 阅读关注点
- 读全文应核对生存观察机制与模型条件、全局和局部方程的耦合，以及带宽要求、重抽样有效性和迭代收敛处理。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；删失假设、带宽范围及理论条件未说明，不能将协变量效应直接赋予因果解释。
原文摘要
We study a general class of partially linear transformation models, which extend linear transformation models by incorporating nonlinear covariate effects in survival data analysis. A new martingale-based estimating equation approach, consisting of both global and kernel-weighted local estimation equations, is developed for estimating the parametric and nonparametric covariate effects in a unified manner. We show that with a proper choice of the kernel bandwidth parameter, one can obtain the consistent and asymptotically normal parameter estimates for the linear effects. Asymptotic properties of the estimated nonlinear effects are established as well. We further suggest a simple resampling method to estimate the asymptotic variance of the linear estimates and show its effectiveness. To facilitate the implementation of the new procedure, an iterative algorithm is developed. Numerical examples are given to illustrate the finite-sample performance of the procedure.