Asymptotic Normality of the `Synthetic Data' Regression Estimator for Censored Survival Data
删失生存数据“合成数据”回归估计量的渐近正态性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：摘要聚焦删失生存回归的通用渐近理论，没有明确对应所列领域细分。
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
删失生存数据“合成数据”回归估计量的渐近正态性
- 研究问题
- 基于合成数据方法构造的删失数据最小二乘估计量具有怎样的大样本分布，与另一类删失回归估计量有何联系？
- 方法与思路
- 作者将估计量表示为鞅项与高阶余项，运用计数过程技术推导渐近分布，并与既有删失回归估计量进行比较。
- 材料陈述的贡献
- 摘要称推导了合成数据最小二乘估计量的渐近分布，并提供与另一种删失回归方法的理论比较，但未说明比较结果的方向。
- 阅读关注点
- 核对删失机制、合成响应的构造、鞅分解与余项控制条件，以及渐近方差的估计方式和不同方法比较所用的准则。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；删失假设、协变量条件及方差表达未提供，不能判断对一般删失机制的适用性或效率优势。
原文摘要
This article studies the large sample behavior of the censored data least squares estimator derived from the synthetic data method proposed by Leurgans and Zheng. The asymptotic distributions are derived by representing the estimator as a martingale plus a higher-order remainder term. Recently developed counting process techniques are used. The results are then compared to the censored regression estimator of Koul, Susarla and Van Ryzin.