Smoothed Rank Regression With Censored Data
删失数据的平滑秩回归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：摘要围绕生存模型中的删失与秩回归展开，未研究分位数或分布效应，也无其他所列经济计量细分方向的直接依据。
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
删失数据的平滑秩回归
- 研究问题
- 在右删失的加速失效时间模型中，如何平滑不连续的秩估计函数，以便估计回归参数、建立渐近分布并控制异常值影响？
- 方法与思路
- 作者利用局部分布函数构造对参数连续且单调的秩估计函数，并加入权重以获得有界影响估计，辅以模拟及肺癌数据示例。
- 材料陈述的贡献
- 摘要称提出平滑加权秩估计函数并推导回归估计量的渐近分布，通过模拟考察有限样本性质，并用实际数据展示方法。
- 阅读关注点
- 应核对局部分布函数与平滑参数的选择、权重如何保证有界影响，以及删失机制、渐近方差估计和参数求解条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明，不能推断刊本变化；删失假设、平滑参数条件和具体有限样本表现未说明。
原文摘要
A weighted rank estimating function is proposed to estimate the regression parameter vector in an accelerated failure time model with right censored data. In general, rank estimating functions are discontinuous in the regression parameter, creating difficulties in determining the asymptotic distribution of the estimator. A local distribution function is used to create a rank based estimating function that is continuous and monotone in the regression parameter vector. A weight is included in the estimating function to produce a bounded influence estimate. The asymptotic distribution of the regression estimator is developed and simulations are performed to examine its finite sample properties. A lung cancer dataset is used to illustrate the methodology.