Empirical-likelihood-based semiparametric inference for the treatment effect in the two-sample problem with censoring
删失两样本问题中治疗效应的经验似然半参数推断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：摘要明确的是一般删失两样本比较，未充分说明因果识别或分位数与分布效应研究，故暂不分类。
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…
删失两样本问题中治疗效应的经验似然半参数推断
- 研究问题
- 比较两组删失数据时，若一组采用参数模型、另一组采用非参数模型，如何对均值差异或生存概率比较等目标进行推断？
- 方法与思路
- 作者在一组参数化、另一组非参数化的设定下，依据经验似然原理构造统一半参数推断和置信区间，并分析似然比的渐近分布。
- 材料陈述的贡献
- 摘要称，经验似然比渐近服从卡方分布，置信区间优于通常估计方程方法；模拟报告明显改进，并分析一个真实数据集。
- 阅读关注点
- 阅读全文时应核对目标参数与治疗效应的关系、删失机制和参数模型条件，以及区间改进究竟体现为覆盖率、长度还是其他标准。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明；摘要未给出改进数值或因果识别条件，题名中的治疗效应不能自动解释为已识别的因果效应。
原文摘要
To compare two samples of censored data, we propose a unified semiparametric inference for the parameter of interest when the model for one sample is parametric and that for the other is nonparametric. The parameter of interest may represent, for example, a comparison of means, or survival probabilities. The confidence interval derived from the semiparametric inference, which is based on the empirical likelihood principle, improves its counterpart constructed from the common estimating equation. The empirical likelihood ratio is shown to be asymptotically chi-squared. Simulation experiments illustrate that the method based on the empirical likelihood substantially outperforms the method based on the estimating equation. A real dataset is analysed.