An Approach to Nonparametric Regression for Life History Data Using Local Linear Fitting
利用局部线性拟合对生命史数据进行非参数回归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：摘要研究一般生存分析的非参数函数估计，未涉及经济分布效应或所列其他领域。
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…
利用局部线性拟合对生命史数据进行非参数回归
- 研究问题
- 如何在不预设风险率与协变量函数关系的情况下，估计条件风险、累积风险和存活函数，并处理删失或随机截断？
- 方法与思路
- 作者在多元计数过程框架下提出局部线性非参数估计，研究三类条件函数的大样本性质，并联系条件 Nelson–Aalen 估计。
- 材料陈述的贡献
- 摘要称，估计结果覆盖多种删失和随机截断模型，也可用于检验特定子模型的拟合；较大样本下可能提供更准确信息。
- 阅读关注点
- 应核对计数过程和观测机制假设、局部线性估计与带宽、渐近结果，以及子模型检验和精度比较的依据。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；非参数函数形式仍需统计条件，摘要未说明这些条件，也未证明普遍优于限制性模型。
原文摘要
Most hazard regression models in survival analysis specify a given functional form to describe the influence of the covariates on the hazard rate. For instance, Cox's model assumes that the covariates act multiplicatively on the hazard rate, and Aalen's additive risk model stipulates that the covariates have a linear additive effect on the hazard rate. In this paper we study a fully nonparametric model which makes no assumption on the association between the hazard rate and the covariates. We propose a class of estimators for the conditional hazard function, the conditional cumulative hazard function and the conditional survival function, and study their large sample properties. When the size of a data set is relatively large, this fully nonparametric approach may provide more accurate information than that acquired from more restrictive models. It may also be used to test whether a particular submodel gives a good fit to a given data set. Because our results are obtained under the multivariate counting process setting of Aalen, they apply to a number of models arising in survival analysis, including various censoring and random truncation models. Our estimators are related to the conditional Nelson-Aalen estimators proposed by Beran for the random censorship model.