Analysis of Proportional Odds Models With Censoring and Errors-in-Covariates
存在删失与协变量测量误差的比例优势模型分析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，不能因模型名称而归入离散选择领域。
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
存在删失与协变量测量误差的比例优势模型分析
- 研究问题
- 生存时间存在右删失、协变量又有测量误差时，如何一致估计比例优势模型，而不指定真实协变量及测量误差的分布？
- 方法与思路
- 作者使用可由重复误测观测估计的误差矩性质，通过反演构造基于鞅的估计量，同时估计有限维与无限维参数。
- 材料陈述的贡献
- 摘要称，该方法无需指定真实协变量或误差的具体分布，建立估计量理论性质，并以模拟和艾滋病临床数据展示应用。
- 阅读关注点
- 核对重复测量所需条件、误差矩的阶数与可估计性、删失机制假设，以及反演步骤对有限维和无限维估计的影响。
- 阅读边界
- 摘要未说明重复误差之间的关系、删失条件及矩要求，不能理解为完全无假设；OpenAlex 摘要版本未注明，无法核实刊本变化。
原文摘要
We propose a consistent method for estimating both the finite- and infinite-dimensional parameters of the proportional odds model when a covariate is subject to measurement error and time-to-events are subject to right censoring. The proposed method does not rely on the distributional assumption of the true covariate, which is not observed in the data. In addition, the proposed estimator does not require the measurement error to be normally distributed or to have any other specific distribution, and we do not attempt to assess the error distribution. Instead, we construct martingale-based estimators through inversion, using only the moment properties of the error distribution, estimable from multiple erroneous measurements of the true covariate. The theoretical properties of the estimators are established and the finite sample performance is demonstrated via simulations. We illustrate the usefulness of the method by analyzing a dataset from a clinical study on AIDS. Supplementary materials for this article are available online.