Semiparametric Inference in the Proportional Odds Regression Model
比例优势回归模型中的半参数推断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：摘要研究生存分析中的比例优势模型，未明确涉及给定列表中的面板、离散选择或其他专门方向。
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
比例优势回归模型中的半参数推断
- 研究问题
- 针对右删失生存时间的比例优势回归，如何构造易于计算的参数估计，同时推断基准优势函数并开展拟合诊断？
- 方法与思路
- 作者从自洽方程的加权经验优势函数出发，利用鞅表示构造伪极大似然、鞅残差和最小距离等估计方法。
- 材料陈述的贡献
- 摘要称，这些估计具有渐近正态性和闭式渐近协方差估计；数值比较显示最小平方距离估计具有较好的有限样本表现。
- 阅读关注点
- 应核对比例优势设定、删失条件、自洽方程求解及鞅推导，并检查协方差公式和最小距离估计的比较范围。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；理论条件、具体比较结果和诊断校准未说明，不能推断刊本变化。
原文摘要
For fitting the proportional odds regression model with right-censored survival times, we introduce some weighted empirical odds functions. These functions are solutions of some self-consistency equations and have a nice martingale representation. From these functions, several classes of new regression estimators, such as the pseudo–maximum likelihood estimator, martingale residual-based estimators, and minimum distance estimators, are derived. These estimators have desirable properties such as easy computation, asymptotic normality via a martingale analysis, and reliable asymptotic covariance estimation in closed form. Extensive numerical studies show that the minimum L 2 distance estimators have very good finite-sample behaviors compared to existing methods. Results of some simulation studies and applications to a real dataset are given. The weighted odds function–based approach also provides inference on the baseline odds function and some measures for lack-of-fit analysis.