Time-Sequential Point Estimation Through Estimating Equations
通过估计方程进行时间序贯点估计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：摘要面向删失数据和生存回归的序贯估计，未提供归入所列宏观时间序列等领域的直接证据。
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
通过估计方程进行时间序贯点估计
- 研究问题
- 在参数化删失数据模型与 Cox 回归模型中，如何联合选择停止时点和点估计量，使时间序贯估计满足适当效率准则？
- 方法与思路
- 作者在计数过程框架下构造鞅估计方程，将 Godambe 估计函数信息概念及相关不等式用于停止规则与估计量选择。
- 材料陈述的贡献
- 摘要称，信息准则自然导出若干序贯程序，并证明这些程序相对于所提出的准则具有渐近效率。
- 阅读关注点
- 应核对删失机制、计数过程与鞅条件，以及信息不等式如何决定停止时点和所称渐近效率的比较范围。
- 阅读边界
- OpenAlex 索引摘要未注明稿件版本；停止规则和效率准则未具体给出，时间序贯估计不等同于宏观时间序列分析。
原文摘要
Time-sequential point estimation is studied in the model of fully parametric censored data and Cox's regression model. Both are investigated in the context of counting processes through estimating equations defined by martingales. The concept of information and a related inequality developed in estimating function theory by Godambe are adapted to these models. These suggest some optimality criteria for choosing stopping times as well as estimators. These lead naturally to some sequential procedures, which are shown to be asymptotically efficient with respect to the above criteria.