典型文献
当前状态数据的可加风险模型变量选择方法
文献摘要：
当协变量数目较多时,变量选择对模型构建至关重要.近年来,以LASSO为代表的各种惩罚变量选择方法备受关注,但生存分析领域的惩罚变量选择方法研究大多基于Cox比例风险模型,且研究对象多为右删失数据.文章对当前状态数据(也称Ⅰ型区间删失数据)在可加风险模型下的变量选择方法进行研究.在失效时间服从可加风险模型及观测时间与协变量相关的假定下,从计数过程的角度来构造风险函数,并给出一种基于重复迭代加权的BAR(Broken Adaptive Ridge)惩罚似然变量选择方法,证明了 Oracle性质.通过模拟实验来比较BAR与其他常用惩罚似然方法在变量选择方面的效果,最后利用文章提出的方法分析一项阿尔茨海默病的研究数据.模拟实验和实证分析都表明了 BAR方法在变量选择方面表现良好.
文献关键词：
可加风险模型;BAR估计;当前状态数据;变量选择
中图分类号：
作者姓名：
赵慧;董庆凯
作者机构：
中南财经政法大学统计与数学学院,武汉430073
文献出处：
引用格式：
[1]赵慧;董庆凯-.当前状态数据的可加风险模型变量选择方法)[J].系统科学与数学,2022(05):1314-1329
A类：
当前状态数据,惩罚变量选择
B类：
可加风险模型,选择方法,协变量,LASSO,生存分析,Cox,比例风险模型,右删失数据,区间删失,服从,观测时间,假定,定下,BAR,Broken,Adaptive,Ridge,Oracle,模拟实验,阿尔茨海默病,研究数据
AB值：
0.242413
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
