Checking the Cox model with cumulative sums of martingale-based residuals
利用鞅残差累积和检验 Cox 模型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：摘要研究一般 Cox 生存回归模型诊断，没有提供归入所列经济计量细分方向的直接证据。
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…
利用鞅残差累积和检验 Cox 模型
- 研究问题
- 如何利用残差的时间与协变量模式，检查 Cox 回归的函数形式、连接函数和比例风险假设是否适合数据？
- 方法与思路
- 作者沿随访时间或协变量值累积鞅残差，以零均值高斯过程近似其模型下分布，再与模拟路径进行图形和数值比较。
- 材料陈述的贡献
- 摘要称提出一类模型诊断方法，并研究对任意模型误设具有一致性的总体检验；方法以两个真实数据集说明。
- 阅读关注点
- 核对残差过程与高斯近似的构造、模拟校准步骤、各诊断对应的假设，以及总体检验一致性所需的条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明。摘要未说明删失条件、校准细节或诊断功效，不能判断具体样本中的误设识别能力。
原文摘要
This paper presents a new class of graphical and numerical methods for checking the adequacy of the Cox regression model. The procedures are derived from cumulative sums of martingale-based residuals over follow-up time and/or covariate values. The distributions of these stochastic processes under the assumed model can be approximated by zero-mean Gaussian processes. Each observed process can then be compared, both visually and analytically, with a number of simulated realizations from the approximate null distribution. These comparisons enable the data analyst to assess objectively how unusual the observed residual patterns are. Special attention is given to checking the functional form of a covariate, the form of the link function, and the validity of the proportional hazards assumption. An omnibus test, consistent against any model misspecification, is also studied. The proposed techniques are illustrated with two real data sets.