On Using Stratification in the Analysis of Linear Regression Models with Right Censoring
右删失线性回归分析中的分层使用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：摘要讨论右删失回归与分层估计，未明确涉及因果识别、面板数据或所列其他特定方向。
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
右删失线性回归分析中的分层使用
- 研究问题
- 在线性回归的因变量受到右删失、残差分布未指定且删失变量可能非独立同分布时，分层能否改善估计方法？
- 方法与思路
- 作者研究两种经过修改的合成数据最小二乘估计方法，将分层用于右删失回归，并给出估计量的渐近分析和数值结果。
- 材料陈述的贡献
- 摘要称无论删失变量是否依赖协变量，都应采用分层，并报告两种估计量的渐近结果及数值研究，但未提供具体表现。
- 阅读关注点
- 应核对分层依据、层内删失条件、合成响应构造和估计权重，并检查非独立同分布的允许范围及分层建议的比较基准。
- 阅读边界
- 仅据版本未注明的索引摘要；删失机制、渐近条件和数值差异未说明，作者的分层建议不能直接推广到所有右删失模型。
原文摘要
We study two modified synthetic data least-squares estimation methods for linear regression models with right censored response variables, unspecified residual distributions and random censoring variables which may not be i.i.d. These methods are the result of an investigation into the use of stratification. We conclude that stratification should be used whether or not the censoring variables are dependent on the covariates. We give the asymptotic results of the estimators and numerical results.