Asymptotic Equivalence Between the Cox Estimator and the General ML Estimators of Regression and Survival Parameters in the Cox Model
Cox 模型中部分似然与广义最大似然估计的渐近等价性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：摘要讨论生存分析中的似然估计和标准误，未涉及所列因果、面板、时间序列或金融方向的专门问题。
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
Cox 模型中部分似然与广义最大似然估计的渐近等价性
- 研究问题
- 在 Cox 模型中，联合估计回归参数与生存曲线参数的广义似然方法，是否与常用部分似然方法渐近等价？
- 方法与思路
- 对于不随时间变化的协变量，作者通过生存函数表述构造包含两类参数的广义似然，并利用联合信息矩阵计算标准误。
- 材料陈述的贡献
- 摘要称无并列事件时所得回归估计量与部分似然估计渐近等价，联合信息矩阵还给出两类参数渐近正确的标准误。
- 阅读关注点
- 核对生存曲线参数化、广义似然的构造及渐近等价条件，并确认并列事件、删失和时间变化协变量如何影响适用范围。
- 阅读边界
- 索引摘要未注明稿件版本；明确结论限于协变量不随时间变化且无并列事件的情形，其他条件与有限样本表现未说明。
原文摘要
The usual approach to estimating regression parameters in the Cox regression model uses the partial likelihood. If the covariates are not time-dependent, the model can be stated in terms of the survival function, which allows one to derive a generalized likelihood containing both regression and survival curve parameters. It is shown that, in the absence of ties, an estimator results which is asymptotically equivalent to the partial likelihood estimator. A joint information matrix leads simply to standard errors for both regression and survival curve parameters which are asymptotically correct.