该论文的核心观点是：缺失数据的存在使得生存数据的分析具有挑战性。该论文提出了基于加权复合分位数估计的单指数系数模型的生存数据的分位数回归，这是一个非常通用的、灵活的工具，主要用于探索响应变量和协变量之间的关系和预测。以往研究单指标系数分位数回归都是在失效信息可被观察下进行的，然而，在实际研究中，各种原因可能导致失效信息随机缺失。该论文应用回归校准、插补和逆概率加权方法处理随机缺失假设，并建立所提出估计的渐近正态性。同时，基于自适应LASSO处罚程序研究变量选择的Oracle性质。然后，为了评估所提出的估计量的有限样本性能，考虑模型误差具有正态分布和重尾分布的仿真研究。正如预期的那样，复合分位数估计的性能与最小二乘估计一样好，并且对于模型误差服从重尾分布表现更优。最后，对一个真实的老年妇女乳腺癌临床数据集进行分析以说明所提出方法的有效性。
全文链接为：https://doi.org/10.1016/j.csda.2023.107711
