A general class of function-indexed nonparametric tests for survival analysis
生存分析中由函数索引的一般非参数检验类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：摘要研究一般删失生存数据检验，未明确涉及所列经济计量细分方向。
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
生存分析中由函数索引的一般非参数检验类
- 研究问题
- 面对删失生存数据，如何统一不同协变量情形的非参数检验，并在备择未知时兼顾多种可能偏离？
- 方法与思路
- 作者以协变量标签和权重函数构造一般统计量，研究权重与时间双重索引过程的弱收敛，并用蒙特卡洛近似零假设分布。
- 材料陈述的贡献
- 摘要称，该框架涵盖多种常用检验；其高斯过程极限支持构造对较大备择集合同时具有敏感性的检验程序。
- 阅读关注点
- 应核对删失机制、权重函数族和协变量标签的条件，以及过程收敛、检验校准与不同备择下效率的具体论证。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明；摘要未说明删失条件、函数族限制或有限样本表现，不能推断刊本变化。
原文摘要
Many of the popular nonparametric test statistics for censored survival data used in two-sample, $k$-sample trend and continuous covariate situations are special cases of a general statistic, differing only in the choice of the covariate-based label and the weight function. A weight function determines the asymptotic efficiency of its corresponding statistic in this general class. Since the true alternatives are often unknown, we may not be able to foresee which weight function is the best for a particular data set. We show in this paper that certain large families of these statistics form stochastic processes, doubly indexed by both the weight function and the time scale, which converge weakly to Gaussian processes also indexed by both the weight function and the time scale. These asymptotic properties allow development of versatile test procedures which are simultaneously sensitive to a reasonably large collection of alternatives. Due to the complexity of the Gaussian processes, a Monte Carlo approach is proposed to obtain the distributional characteristics of these statistics under the null hypothesis.