Double-Semiparametric Method for Missing Covariates in Cox Regression Models
Cox回归中缺失协变量的双半参数方法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：摘要聚焦生存回归与缺失协变量处理，未明确涉及给定的经济计量细分方向。
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
Cox回归中缺失协变量的双半参数方法
- 研究问题
- Cox回归存在缺失协变量时，如何降低协变量分布误设的影响与积分负担，同时保持估计效率？
- 方法与思路
- 作者在最大半参数似然框架下对部分协变量作非参数建模，研究统计性质，并用真实数据说明方法的应用。
- 材料陈述的贡献
- 摘要称，部分重要情形无需额外协变量参数模型；相对非参数插补可更有效率，相对逆概率加权无需指定缺失机制。
- 阅读关注点
- 应核对允许的缺失情形、非参数建模部分、似然构造，以及无需指定缺失机制和效率比较成立的条件。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明；摘要未列出缺失数据假设。“双半参数”不能据此解释为双重稳健或适用于任意缺失机制。
原文摘要
The problem of nuisance covariate model specification is considered in Cox regression where the maximum semiparametric likelihood method is used to handle the missing covariates. A component of the covariates is modeled nonparametrically to achieve robustness against covariate model misspecification and to reduce the number of possibly intractable integrations involved in the parametric modeling of the covariates. The statistical properties of the proposed method are examined. It is found that in some important situations, the maximum semiparametric likelihood can be applied without making any additional parametric model assumptions on covariates. The proposed method can yield a more efficient estimator than the nonparametric imputation methods and does not require specification of the missingness mechanism when compared with the inverse probability weighting method. A real data example is analyzed to demonstrate use of the proposed method.