A Semiparametric Model for Randomly Truncated Data
随机截断数据的半参数模型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：摘要研究一般截断数据的半参数似然理论，未提供对应所列经济计量细分方向的充分依据。
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
随机截断数据的半参数模型
- 研究问题
- 对于随机截断数据，若将截断变量的分布参数化而保留目标变量分布非参数化，最大似然估计会如何变化？
- 方法与思路
- 作者构建截断机制参数化、目标分布不作参数限定的半参数模型，刻画其最大似然估计并研究大样本性质，辅以生物统计实例。
- 材料陈述的贡献
- 摘要称，与随机删失不同，截断机制的参数信息会影响估计；通常的截断乘积极限估计不再是该半参数模型的最大似然估计。
- 阅读关注点
- 核对截断发生方式、变量关系及支持集条件，检查似然构造、截断参数与目标分布的联合估计，以及大样本结论所需条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明，刊本差异未核验；随机截断的具体假设和渐近性质未详述，不能与删失混同。
原文摘要
For randomly censored data, it is known that the maximum likelihood estimate (MLE) of the survival curve is not affected by parametric assumption on the censoring variable. The Kaplan-Meier (1958) estimate is the MLE for both nonparametric and semiparametric models. For randomly truncated data, the truncation product-limit estimate is the MLE for nonparametric models. This is not the case if the truncation mechanism is parameterized, however. Specifically, let X be a generic random variable and T be the truncation variable. If the distribution of T is parameterized and the distribution of X is left unspecified, it can be shown that the truncation product-limit estimate is not the MLE for this semiparametric model, even though it is for the fully nonparametric model. In this article the MLE is characterized for the semiparametric model, and the large-sample properties of the estimate are established. The results show that, unlike censoring, the parametric information from the truncation mechanism influences the estimation procedures. Several examples in biostatistics, in which the truncation distribution can be interpreted as the infection distribution or the birth distribution, are considered.