Transformed Dynamic Quantile Regression on Censored Data
删失数据的变换动态分位数回归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：摘要直接研究删失条件下多个分位数水平的回归估计，属于分位数方法方向。
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
删失数据的变换动态分位数回归
- 研究问题
- 对存在删失的事件发生时间，如何放松统一对数变换和全局线性限制，并在不同分位数水平上灵活估计条件关系？
- 方法与思路
- 作者提出幂变换线性分位数回归，使变换参数随分位数水平变化，并利用鞅论证建立分位数过程的渐近理论。
- 材料陈述的贡献
- 摘要称，方法不再要求既有程序的全局线性假设，并得到估计过程的一致性和弱收敛，数值研究展示比较表现。
- 阅读关注点
- 应核对分位数特定变换的可辨识性、删失条件、分位数范围及一致收敛条件，以及跨分位数估计的协调方式。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；删失假设和数值设定未说明，“动态”指跨分位数变化，不能据此推断时间序列建模。
原文摘要
We propose a class of power-transformed linear quantile regression models for time-to-event observations subject to censoring. By introducing a process of power transformation with different transformation parameters at individual quantile levels, our framework relaxes the assumption of logarithmic transformation on survival times and provides dynamic estimation of various quantile levels. With such formulation, our proposal no longer requires the potentially restrictive global linearity assumption imposed on a class of existing inference procedures for censored quantile regression. Uniform consistency and weak convergence of the proposed estimator as a process of quantile levels are established via the martingale-based argument. Numerical studies are presented to illustrate the outperformance of the proposed estimator over existing contenders under various settings.