Censored Regression: Local Linear Approximations and their Applications
删失回归：局部线性近似及其应用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：摘要研究删失下的一般回归关联估计，未明确估计分位数、分布效应或因果效应，无法直接对应所列细分方向。
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
删失回归：局部线性近似及其应用
- 研究问题
- 响应存在删失时，如何在不预设回归函数形状的情况下估计响应与协变量的关联，并让平滑程度适应数据点分布？
- 方法与思路
- 作者先对观测数据作适当变换，再采用局部加权最小二乘；估计量使用自适应变带宽，并以模拟和生存数据说明。
- 材料陈述的贡献
- 摘要提出易于实施的删失回归方法，以心脏移植和原发性胆汁性肝硬化数据展示应用，并称建立若干基本渐近结果。
- 阅读关注点
- 应核对数据变换如何处理删失、所需删失机制与支持范围条件、变带宽规则，以及渐近结果覆盖哪些估计目标。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；不预设函数形状不代表无需其他假设，摘要未说明删失条件和具体渐近结论。
原文摘要
Various statistical tools are available for modeling the relationship between response and covariate if the data are fully observable. In the situation of censored data, however, those tools are no longer directly applicable. This article provides an easily implemented methodology for modeling the association, based on censored data. The form of the regression relationship will be completely determined by the data; no assumptions are made about this form. Basic ideas behind the methodology are to transform the observed data in an appropriate simple way and then to apply a locally weighted least squares regression. The proposed estimator involves a variable bandwidth that automatically adapts to the design of the data points. That the methodology is very easy to implement is illustrated by several examples, including simulation studies and an analysis of the Stanford Heart Transplant Data and the Primary Biliary Cirrhosis Data. Several theoretical considerations are reflected in the examples. Finally, some basic asymptotic results are established.