Statistical inference on shape and size indexes for counting processes
计数过程形状与规模指标的统计推断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：摘要属于重复事件与生存分析，不能仅因计数过程涉及时间就归入宏观时间序列。
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…
计数过程形状与规模指标的统计推断
- 研究问题
- 对重复事件计数过程，如何分别刻画事件率的规模与形状，并在链接函数未知及可能存在信息性删失时估计协变量效应？
- 方法与思路
- 作者以两个单指标模型描述规模和形状，对链接函数施加单调约束，采用两步秩估计，并构造形状与规模独立性检验。
- 材料陈述的贡献
- 摘要称，模型保留协变量效应的方向解释并涵盖常用模型；估计器达到根号样本量收敛率，且具有渐近正态性。
- 阅读关注点
- 应核对规模与形状的分解和识别归一化、单调约束、信息性删失下的处理条件，以及独立性检验的具体假设。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断删失机制的容许范围或正则条件；协变量效应的方向解释不自动具有因果含义。
原文摘要
Summary Single-index models have gained increased popularity in time-to-event analysis owing to their model flexibility and advantage in dimension reduction. We propose a semiparametric framework for the rate function of a recurrent event counting process by modelling its size and shape components with single-index models. With additional monotone constraints on the two link functions for the size and shape components, the proposed model possesses the desired directional interpretability of covariate effects and encompasses many commonly used models as special cases. To tackle the analytical challenges arising from leaving the two link functions unspecified, we develop a two-step rank-based estimation procedure to estimate the regression parameters with or without informative censoring. The proposed estimators are asymptotically normal, with a root-$n$ convergence rate. To guide model selection, we develop hypothesis testing procedures for checking shape and size independence. Simulation studies and a data example on a hematopoietic stem cell transplantation study are presented to illustrate the proposed methodology.