Cox's Periodic Regression Model
Cox 周期回归模型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：摘要研究单一点过程跨连续周期的长期观测、周期强度与渐近分析，直接涉及时间过程建模。
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 周期回归模型
- 研究问题
- 当观测对象是一个具有周期性基础强度的点过程，并跨许多连续周期观测时，如何调整 Cox 模型并建立估计的渐近性质？
- 方法与思路
- 作者将 Cox 模型改用于单个周期点过程，以观测周期数增加建立渐近分析，证明使用鞅技术与经验概率测度收敛定理。
- 材料陈述的贡献
- 摘要称给出保证估计量具有经典大样本性质的条件，将分析从多个并行过程转向单个过程的长期观测，并提供家兔进食例子。
- 阅读关注点
- 应核对周期性基础强度的设定、跨周期依赖限制、估计准则，以及长期单过程观测与多个并行过程渐近框架的区别。
- 阅读边界
- 依据版本未注明的 OpenAlex 索引摘要；经典大样本性质的具体形式及成立条件未展开，不能据此推断任意周期点过程都适用。
原文摘要
Cox's regression model has been successfully used for censored survival data. It can be adapted to model a counting process having a periodic underlying intensity. In survival analysis, the asymptotic properties, as studied by Andersen and Gill, correspond to a large number of processes running parallel over the same time interval. Here a single point process is observed over a large number of successive periods. Cox's model can easily be adapted to this situation and conditions are given which ensure the estimators have the classical large sample properties. Proofs use both martingale techniques and theorems for convergence of empirical probability measures. Finally, an example concerning the feeding pattern of domestic rabbits is included.