汉族、苗族;林媛媛;刘文新;王占峰 一般变换模型子群分析的稳健推理。 (英语) Zbl 07750941号 J.统计计划。推断 229,文章ID 106100,第23页(2024). 总结:在精准医疗或精准营销中制定个性化策略的关键步骤是识别异质人群中潜在的患者或客户亚群。在本文中,我们考虑了一类用于子群识别的非均匀变换模型,在该模型下,响应的未知单调变换通过具有未知误差分布的特定主题回归系数与协变量线性相关。这类模型范围很广,足以涵盖许多流行的模型,包括异构线性模型、异构Cox比例风险模型和异构比例优势模型。在没有任何先验分组信息的情况下,我们提出了一种基于最大秩相关和凹融合的稳健方法,以自动确定子组的数量,识别潜在的子组结构,同时估计子组特定的协变量效应。在正则性条件下,我们建立了我们提出的估计的理论性质。方差估计采用随机加权重采样方案。所建议的过程可以很容易地扩展到处理删失数据。数值研究(包括模拟和两个实际数据分析)表明,该方法在实际情况中表现良好。 理学硕士: 62至XX 统计 关键词:经审查的数据;异质性;亚组分析;转换模型 软件:奥斯卡 PDF格式BibTeX公司 XML格式引用 \textit{M.Han}等人,J.Stat.Plann。推论229,文章ID 106100,23 p.(2024;Zbl 07750941) 全文: 内政部 参考文献: [1] Amemiya,T.,《高级计量经济学》(1985),哈佛大学出版社 [2] 邦德尔·H·D。;Reich,B.J.,《OSCAR预测因子的同步回归收缩、变量选择和监督聚类》,生物统计学,64,115-123(2008)·Zbl 1146.62051号 [3] Chen,K。;Z.Jin。;Ying,Z.,带删失数据的变换模型的半参数分析,Biometrika,89659-668(2002)·Zbl 1039.62094号 [4] Cheng,S.C。;Wei,L.J。;Ying,Z.,用删失数据分析转换模型,Biometrika,82835-845(1995)·Zbl 0861.62071号 [5] Chi,E.C。;Lange,K.,凸聚类的分裂方法,J.Compute。图表。统计人员。,24, 994-1013 (2015) [6] 范,J。;Li,R.,通过非冲突惩罚似然进行变量选择及其预言性质,J.Amer。统计师。协会,96,1348-1360(2001)·兹比尔1073.62547 [7] 风扇,A。;宋,R。;Lu,W.,《亚组检测和样本量计算的变方案分析》,J.Amer。统计师。协会,112769-778(2017) [8] 弗莱明,T.R。;Harrington,D.P.,《计数过程和生存分析》(1991年),威利出版社:威利纽约·Zbl 0727.62096号 [9] Freedman,D.A。;Peters,S.C.,《引导回归方程:一些实证结果》,J.Amer。统计师。协会,79,97-106(1984) [10] 郭杰。;莱维纳,E。;Michaelidis,G.(Michaelidis,G.)。;Zhu,J.,基于高维模型聚类的成对变量选择,生物统计学,66793-804(2010)·兹比尔1203.62190 [11] 锤子,S.M。;Katzenstein,D.A。;休斯,医学博士。;Gundacker,H。;斯科利,R.T。;Haubrich,R.H.,《一项对CD4细胞计数为每立方毫米200至500个的艾滋病毒感染成人进行核苷单药治疗与联合治疗的对比试验》,N.Engl。《医学杂志》,3351081-1090(1996) [12] Han,A.K.,广义回归模型的非参数分析:最大秩相关估计,《计量经济学杂志》,35,303-316(1987)·Zbl 0638.62063号 [13] 哈斯蒂,T。;Tibshirani,R.,《高斯混合判别分析》,J.R.Stat.Soc.Ser。B统计方法。,58, 155-176 (1996) ·Zbl 0850.62476号 [14] 胡,X。;黄,J。;刘,L。;Sun,D。;Zhao,X.,异质Cox模型中的子群分析,Stat.Med.,40,739-757(2021) [15] Z.Jin。;Ying,Z。;Wei,L.J.,《扰动最小带的简单重采样方法》,《生物统计学》,88,381-390(2001)·Zbl 0984.62033号 [16] Ke,Z.T。;范,J。;Wu,Y.,《追求同质性》,J.Amer。统计师。协会,110,175-194(2015)·Zbl 1373.62345号 [17] Khan,S。;Tamer,E.,具有一般形式审查的持续时间模型的部分秩估计,《计量经济学杂志》,136251-280(2007)·Zbl 1418.62369号 [18] Lin,Y。;罗,Y。;谢S。;Chen,K.,随机效应转换模型的稳健秩估计,Biometrika,104,971-986(2017)·Zbl 07072339号 [19] 卢·W。;Tsiatis,A.A.,案例研究的半参数转换模型,Biometrika,93,207-214(2006)·Zbl 1152.62084号 [20] 卢·W。;Ying,Z.,关于半参数变换治疗模型,Biometrika,91,331-343(2004)·Zbl 1079.62115号 [21] 马,S。;黄,J.,利用微阵列数据进行疾病分类和生物标记物选择的规则化ROC方法,生物信息学,214356-4362(2005) [22] 马,S。;Huang,J.,通过凹面融合评估亚组特异性治疗效果(2016),arXiv预印本arXiv:1607.03717 [23] 马,S。;Huang,J.,亚组分析的凹成对融合方法,J.Amer。统计师。协会,112,410-423(2017) [24] 诺兰,D。;Pollard,D.,《U过程:收敛速度》,Ann.Statist。,15, 780-799 (1987) ·Zbl 0624.60048号 [25] Rao,C。;Zhao,L.,用随机加权bootstrap逼近线性模型中的(M)估计分布,Sankhyá,54,323-331(1992)·兹比尔0773.62010 [26] 沈杰。;He,X.,《利用结构化逻辑正态混合模型进行亚组分析的推断》,J.Amer。统计师。协会,110303-312(2015)·Zbl 1373.62078号 [27] 沈,X。;Huang,H.C.,通过正则化解曲面的分组追踪,J.Amer。统计师。协会,105727-739(2010)·Zbl 1392.62192号 [28] 沈杰。;Wang,Y。;He,X.,《具有不等方差的对数正态混合模型的惩罚似然》,统计学。Sinica,27,711-731(2017)·Zbl 1391.62122号 [29] Sherman,R.P.,最大秩相关估计的极限分布,《计量经济学》,61123-137(1993)·Zbl 0773.62011号 [30] Sherman,R.P.,退化U过程的最大不等式及其在优化估计中的应用,Ann.Statist。,22, 439-459 (1994) ·Zbl 0798.60021号 [31] 宋,X。;马,S。;黄,J。;Zhou,X.H.,多协变量非参数转换生存模型的半参数方法,生物统计学,8197-211(2007)·Zbl 1144.62029号 [32] Tibshirani,R。;桑德斯,M。;Rosset,S。;朱,J。;K.奈特(K.K.Knight),《通过融合套索实现的稀疏与平滑》,J.R.Stat.Soc.Ser。B统计方法。,67, 91-108 (2005) ·Zbl 1060.62049号 [33] Tsiatis,A.A。;Davidian,M。;张,M。;Lu,X.,《随机临床试验中两样本治疗比较的协变量调整:一种原则性但灵活的方法》,《统计医学》,27,4658-4677(2008) [34] Van der Vaart,A.W.,《渐进统计》(2000),剑桥大学出版社·Zbl 0910.62001号 [35] Wang,Z.,Lin,Y.,Liu,W.,Shao,Q.M.,\(2018。U)-尺寸参数增加的过程。技术报告。 [36] Wei,S。;Kosorok,M.R.,《潜在监督学习》,J.Amer。统计师。协会,108957-970(2013)·Zbl 06224979号 [37] 曾博士。;陈,Q。;易卜拉欣,J.G.,多变量生存时间的伽玛脆弱性转换模型,生物统计学,96,277-291(2009)·Zbl 1163.62025号 [38] 曾博士。;Lin,D.Y.,《截尾数据下半参数回归模型的最大似然估计》,J.R.Stat.Soc.Ser。B统计方法。,69, 507-564 (2007) ·Zbl 07555364号 [39] 曾博士。;Lin,D.Y。;Yin,G.,具有随机效应的比例优势模型的最大似然估计,J.Amer。统计师。协会,100,470-483(2005)·Zbl 1117.62456号 [40] 张春华,极小极大凹惩罚下的几乎无偏变量选择,安统计学家。,38, 894-942 (2010) ·Zbl 1183.62120号 [41] Zhang,Y。;王海杰。;Zhu,Z.,稳健子群识别,统计学。Sinica,291873-1889(2019)·兹比尔1432.62194 此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配,并且可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。