Information and Asymptotic Efficiency in Some Generalized Proportional Hazards Models for Counting Processes
若干计数过程广义比例风险模型的信息与渐近效率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：摘要针对计数过程与生存分析的效率理论，未提供所列计量细分方向的明确证据。
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…
关注这篇论文的作者
若干计数过程广义比例风险模型的信息与渐近效率
- 研究问题
- 在基准风险具有随机性的广义比例风险模型中，已有相对风险系数估计量是否具有正则性、渐近正态性与效率？
- 方法与思路
- 作者在大样本框架下分析随未知随机基准风险形式而变化的估计函数，并建立相应模型的信息与表示定理。
- 材料陈述的贡献
- 摘要称，所考察的已有估计量是正则、渐近正态且渐近有效的，同时提供这些模型的渐近信息和表示定理。
- 阅读关注点
- 应核对随机基准风险的允许形式、计数过程观测框架、正则条件，以及效率界和表示定理所对应的模型空间。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；摘要未列模型与正则条件，也未提供有限样本比较，不能推广效率结论。
原文摘要
Proportional hazards models with stochastic baseline hazards and estimators of the relative risk coefficient in these models were proposed by Prentice, Williams and Peterson and by Chang and Hsiung in medical and industrial contexts. The form of the estimating functions recommended varies according to the form of the unknown stochastic baseline hazards. This paper examines the same estimation problem in the context of large-sample theory. It is shown that the proposed estimators are regular, asymptotically normal and asymptotically efficient. Asymptotic information and representation theorems in the sense of Begun, Hall, Huang and Wellner are also provided for these models.