該論文的核心觀點是：缺失數據的存在使得生存數據的分析具有挑戰性。該論文提出了基於加權復合分位數估計的單指數系數模型的生存數據的分位數回歸，這是一個非常通用的🤹♂️、靈活的工具🤴🏿，主要用於探索響應變量和協變量之間的關系和預測。以往研究單指標系數分位數回歸都是在失效信息可被觀察下進行的，然而，在實際研究中，各種原因可能導致失效信息隨機缺失。該論文應用回歸校準🫃🏿🌄、插補和逆概率加權方法處理隨機缺失假設，並建立所提出估計的漸近正態性。同時，基於自適應LASSO處罰程序研究變量選擇的Oracle性質🧑🏽🚀。然後，為了評估所提出的估計量的有限樣本性能，考慮模型誤差具有正態分布和重尾分布的仿真研究。正如預期的那樣，復合分位數估計的性能與最小二乘估計一樣好🩴，並且對於模型誤差服從重尾分布表現更優。最後🧜♂️，對一個真實的老年婦女乳腺癌臨床數據集進行分析以說明所提出方法的有效性🙅🏼♀️。
全文鏈接為：https://doi.org/10.1016/j.csda.2023.107711
