.png){kind=icon}
返回
Spatial survival models based on Weibull random fields
.png){kind=icon}
PRE
AI
DOI：10.1016/j.spasta.2025.100943.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
我们提出了一种基于Weibull随机场的创新空间生存模型，旨在克服现有基于copula的方法的局限性；特别是那些依赖Farlie-Gumbel-Morgenstern（FGM）copula的方法。尽管FGM模型仅捕捉弱依赖性并强制反射对称性和强制块金效应，但我们的模型允许更强的空间依赖性、反射不对称性以及均方连续性。这些特性为分析空间相关的时间到事件数据提供了更灵活且现实的框架。该模型统一了比例风险（PH）、加速失效时间（AFT）以及Weibull分布的均值参数化，允许对协变量的效应进行清晰解释。由于完整似然函数的解析不可解性，参数估计采用基于最近邻的加权成对复合似然方法。该方法在计算上具有高效性，且对右删失数据具有鲁棒性。模拟研究证实了所提出模型的有效性，而针对实际住房数据的实际应用则展示了其应用价值。
Keyword:
Spatial survival analysis
Weibull random fields
Composite likelihood
Censored data
Nearest neighbors
期刊
S
IF:
2.5
论文数:
39
被引数:
0
机构
引用论文
A class of random fields with two-piece marginal distributions for modeling point-referenced data with spatial outliers具有两段式边际分布的一类随机场，用于建模带有空间异常值的点参照数据.png)
TEST
TESTIF0
PREAI
分享收藏分享收藏Nearest neighbors weighted composite likelihood based on pairs for (non-)Gaussian massive spatial data with an application to Tukey-hh random fields estimation基于对偶的最近邻加权复合似然法及其在非高斯大规模空间数据中的Tukey-hh随机域估计应用
PREAI
分享收藏
查看更多内容