Proportional odds regression and sieve maximum likelihood estimation
比例优势回归与筛最大似然估计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：摘要明确是生存分析中的删失模型，未给出离散选择或其他所列经济学方向的充分依据。
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
比例优势回归与筛最大似然估计
- 研究问题
- 在删失生存数据的比例优势模型中，如何同时估计基准函数和回归参数，并自适应未知的函数结构与光滑程度？
- 方法与思路
- 作者用阶数和结点可变的单调样条近似基准函数，通过比较Kullback–Leibler风险的近似无偏估计选择筛空间。
- 材料陈述的贡献
- 摘要称，程序适用于右删失与第二类区间删失，回归参数估计渐近正态且有效率，并以模拟及乳腺癌数据作展示。
- 阅读关注点
- 应核对删失机制、单调样条筛空间增长规则、风险选择准则，以及回归参数渐近效率和小样本表现依赖的条件。
- 阅读边界
- 仅依据版本未注明的OpenAlex索引摘要；模型是删失数据下的比例优势模型，不能仅凭名称归为离散选择，具体正则条件未说明。
原文摘要
This paper introduces, under a censoring mechanism, an estimation procedure for the baseline function and the regression parameters in the proportional odds model based on the sieve maximum likelihood method. The procedure uses monotone splines of variable orders and knots as approximations for the baseline function and an approximately unbiased estimator of the comparative Kullback-Leibler risk to select the best approximation. The procedure adapts to various unknown structures of the baseline function such as spatial structures and smoothness of an unknown degree. The proposed procedure is implemented for right-censored and so-called Case 2 interval-censored data. The estimated regression parameters are shown to be asymptotically normal and efficient. The small sample operating characteristics of the proposed procedure are examined via simulations and are illustrated on a dataset from a study of breast cancer patients.