Pairwise dependence diagnostics for clustered failure-time data
聚类失效时间数据的成对依赖诊断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：摘要中的聚类与依赖指向失效时间数据的统计关联，未涉及网络干扰或金融风险对象，所给材料不足以支持这些领域分类。
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
聚类失效时间数据的成对依赖诊断
- 研究问题
- 失效时间数据的联合量估计对参数化依赖结构敏感时，如何诊断并选择 frailty 模型与 copula 模型的依赖设定？
- 方法与思路
- 作者在二维时间上计算反映观测与预期成对关联差异的残差，并构造残差累积和检验过程，以 bootstrap 近似其极限分布。
- 材料陈述的贡献
- 摘要称提供了评估和选择两类依赖模型的一般诊断框架，给出可解释的极限分布，并用模拟与数据实例展示实际使用。
- 阅读关注点
- 应核对删失如何影响成对残差、模型参数估计如何进入极限分布，以及 bootstrap 的有效条件与诊断能够发现的依赖偏离。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；删失条件、检验校准及功效结果未说明，不能据此认为模型通过诊断即设定正确。
原文摘要
Frailty and copula models specify a parametric dependence structure for multivariate failure-time data. Estimation of some joint quantities can be highly sensitive to the assumed parametric form, and hence model fit is an important issue. This paper lays out a general diagnostic framework for evaluating and selecting frailty and copula models. The approach is based on the cumulative sum of residuals that are calculated in bivariate time. The residuals reflect the difference between the observed and expected bivariate association structures. The proposed model-checking process is interpretable with a limiting distribution which can be approximated using the bootstrap. Simulations and a data example illustrate the practical application of the method.