Estimation of Dependence Between Paired Correlated Failure Times in the Presence of Covariate Measurement Error
协变量测量误差下配对失效时间依赖性的估计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：摘要研究生存分析中的依赖参数与测量误差，配对和重复测量本身不足以据此归入面板数据等给定方向。
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
协变量测量误差下配对失效时间依赖性的估计
- 研究问题
- 协变量测量误差如何影响配对失效时间之间依赖参数的估计，能否借助重复测量减少这种偏差并保持有效推断？
- 方法与思路
- 作者考察 Clayton–Oakes 模型中的依赖参数偏差，并在加性测量误差与协变量重复测量设定下提出 copula 生存函数的减偏方法。
- 材料陈述的贡献
- 摘要称忽略测量误差可使依赖参数向任一方向偏移，并研究所提依赖参数估计量的大样本和小样本性质。
- 阅读关注点
- 核对测量误差与重复测量的条件、误差分布处理、依赖参数的识别方式，以及生存资料中删失机制的要求。
- 阅读边界
- 仅据所给 Crossref 摘要；误差条件、删失处理和减偏幅度未说明，不能断言该方法适用于所有 copula 或没有重复测量的数据。
原文摘要
Summary In many biomedical studies, covariates are subject to measurement error. Although it is well known that the regression coefficients estimators can be substantially biased if the measurement error is not accommodated, there has been little study of the effect of covariate measurement error on the estimation of the dependence between bivariate failure times. We show that the dependence parameter estimator in the Clayton–Oakes model can be considerably biased if the measurement error in the covariate is not accommodated. In contrast with the typical bias towards the null for marginal regression coefficients, the dependence parameter can be biased in either direction. We introduce a bias reduction technique for the bivariate survival function in copula models while assuming an additive measurement error model and replicated measurement for the covariates, and we study the large and small sample properties of the dependence parameter estimator proposed.