我们可以使用链接到您的Project Euclid帐户的电子邮件地址帮助您重置密码。
我们考虑一类半参数回归模型,它是Cox的单参数扩展[J.罗伊。统计师。Soc.序列号。B类 34(1972)187-220]右偏单变量失效时间模型。这些模型假设,给定协变量的风险和每个个体特有的随机脆弱性具有比例风险形式乘以脆弱性。假设脆弱性在已知的单参数分布族中具有平均值1。推断基于非参数似然。研究了在拟合模型可能指定错误的一般条件下,似然最大化器的行为。对于最大似然渐近极限的伪值,回归参数和脆弱参数以及基线风险的联合估计是一致一致的。经过适当的标准化,估计量弱收敛到高斯过程。当正确指定模型时,该过程是半参数有效的,实现了所有参数分量的半参数信息界。还证明了bootstrap对所有参数都给出了有效的推断,即使在错误指定的情况下也是如此。我们通过几个例子分析证明了稳健推理的重要性。在一项随机临床试验中,当其他预后因素和虚弱度分布均未明确时,可能对治疗效果进行有效测试。在协变量的某些条件下,回归参数的比值仍然可以识别。该程序的实用性在非霍奇金淋巴瘤数据集上进行了说明。
迈克尔·科索罗克(Michael R.Kosorok)。 Bee Leng Lee。 杰森·P·好。 “单变量比例风险脆弱性回归模型的稳健推断。” 安。统计师。 32 (4) 1448 - 1491, 2004年8月。 https://doi.org/10.1214/009053604000000535