Semiparametric approach to regression with a covariate subject to a detection limit
含检测限协变量的回归半参数方法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：摘要讨论协变量检测限与半参数回归，未研究结果分位数、因果效应或其他所列领域细分的特定问题。
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
含检测限协变量的回归半参数方法
- 研究问题
- 当广义线性回归中的一个协变量在检测下限处被左删失时，作者研究如何减少删除观测的效率损失及替代值处理的偏差。
- 方法与思路
- 作者用加速失效时间模型描述受检测限影响的协变量，先估计其给定其他变量的条件分布，再最大化回归模型的似然。
- 材料陈述的贡献
- 摘要提出两阶段半参数似然估计并给出渐近性质的技术条件，称其在模拟中优于完整案例分析与替代值方法。
- 阅读关注点
- 应核对协变量分布的建模与删失处理、两阶段估计的不确定性传递、完整案例估计有效的条件，以及稳健性和效率比较范围。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；技术条件和模拟设定未说明，不能把稳健性理解为无需模型条件，也不能推断刊本变化。
原文摘要
We consider generalized linear regression with a covariate left-censored at a lower detection limit. Complete-case analysis, where observations with values below the limit are eliminated, yields valid estimates for regression coefficients but loses efficiency, ad hoc substitution methods are biased, and parametric maximum likelihood estimation relies on parametric models for the unobservable tail probability distribution and may suffer from model misspecification. To obtain robust and more efficient results, we propose a semiparametric likelihood-based approach using an accelerated failure time model for the covariate subject to the detection limit. A two-stage estimation procedure is developed, where the conditional distribution of this covariate given other variables is estimated prior to maximizing the likelihood function. The proposed method outperforms complete-case analysis and substitution methods in simulation studies. Technical conditions for desirable asymptotic properties are provided.