×

基于藤蔓连接先验的生存数据的贝叶斯岭回归。 (英语) Zbl 07807652号

摘要:当回归系数遵循多元正态先验时,岭回归估计量可以解释为贝叶斯后验均值(或模式)。然而,多元正态先验可能无法给出回归系数的有效后验估计,尤其是在存在交互项的情况下。本文在Cox比例风险模型下,提出了贝叶斯岭估计的基于藤连接函数的先验估计。半参数Cox模型建立在两种可能性下的后验密度上:Cox的部分似然和gamma过程先验下的完全似然。仿真结果表明,与部分似然法相比,完全似然法在估计回归系数方面更有效、更稳定。我们还通过模拟和数据示例表明,阿基米德copula先验(Clayton和Gumbel copula)优于多元正态先验和高斯copula先验。

MSC公司:

62至XX 统计
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Aas,K。;Czado,C。;弗里吉斯,A。;Bakken,H.,多重依赖的对copula构造,保险数学。经济。,44, 182-198 (2009) ·Zbl 1165.60009号
[2] 阿博纳泽尔,MR;Taha,IM,Beta岭回归估计量:模拟与应用,Commun。统计模拟。计算。(2021) ·Zbl 07773964号 ·doi:10.1080/03610918.2021.1960373
[3] Arashi,M。;Roozbeh,M。;NA哈姆扎;Gasparini,M.,Ridge回归及其在遗传研究中的应用,《公共科学图书馆·综合》,16(2021)
[4] 阿贝尔,J。;A·李高。;Nipoti,B.,风险混合模型的完全贝叶斯推断,计算。统计数据分析。,93, 359-372 (2016) ·Zbl 1468.62018号
[5] 阿玛根。;Zaretzki,RL,通过具有t先验的自适应收缩进行模型选择,计算。Stat.,25,441-461(2010)·Zbl 1226.62019年6月
[6] 阿萨夫,AG;齐奥纳斯,M。;塔西奥普洛斯,A.,《诊断和纠正多重共线性的影响:岭回归的贝叶斯含义》,图尔。管理。,71, 1-8 (2019)
[7] 阿瓦洛斯,BR;Klein,JL;卡普尔,N。;图施卡,PJ;克莱因,JP;Copelan,EA,使用Bu/CY进行霍奇金淋巴瘤和非霍奇金恶性淋巴瘤骨髓移植的准备,骨髓移植。,12, 133-138 (1993)
[8] GEP盒子;Tiao,GC,统计分析中的贝叶斯推断(1992),Wiley·Zbl 0850.62004号
[9] Burzykowski,T。;莫伦贝格,G。;Buyse,M。;Geys,H。;Renard,D.,具有失效时间终点的多个随机临床试验中替代终点的验证,J.R.Stat.Soc.Ser。C(应用统计),50,405422(2001)·Zbl 1112.62336号
[10] Chang,B。;Joe,H.,基于藤连词条件分布的预测,计算。统计数据分析。,139, 45-63 (2019) ·Zbl 1507.62025号
[11] Czado,C.,用藤蔓Copulas分析相关数据。斯普林格统计讲座笔记(2019)·Zbl 1425.62001号
[12] Chang,YC;Mastrangelo,C.,《解决半导体制造中的多重共线性》,Qual。宗教信仰。《工程国际》,27843-854(2011)
[13] Chipman,H.,具有相关预测因子的贝叶斯变量选择,加拿大。J.Stat.,24,17-36(1996)·Zbl 0849.62032号
[14] Corradin,R。;涅托·巴拉哈斯,LE;Nipoti,B.,《通过贝叶斯非参数混合物对生存数据进行最优分层》,经济学。统计,22,17-38(2022)
[15] Cox,DR,回归模型和生命表,J.R.Stat.Soc.:Ser。B(methodol.),34187-202(1972)·Zbl 0243.62041号
[16] 杜兰特,F。;Sempi,C.,《连接词理论原理》(2016),博卡拉顿:CRC出版社,博卡拉顿·兹比尔1380.62008
[17] Emura,T。;Michimae,H。;松井,S.,通过联合脆弱连接模型和IPD元分析进行动态风险预测:构建web应用程序,熵,24589(2022)
[18] Emura,T。;Sofeu,C。;Rondeau,V.,相关生存终点的条件连接模型:随机对照试验的个体患者数据荟萃分析,统计方法医学研究,30,26342650(2021)
[19] 弗洛雷斯,AJ;阿巴德,AA;Molenberghs,G。;Van Der Elst,W.,《生成固定值的随机相关矩阵:多元代理端点评估的应用》,计算。统计数据分析。,142 (2020) ·Zbl 1507.62053号
[20] 弗洛雷斯,AJ;Molenberghs,G。;范德埃尔斯特,W。;Abad,AA,在因果推理框架中评估多元代理端点的有效算法,计算。统计数据分析。,172 (2022) ·Zbl 07533769号
[21] 加西亚,哥伦比亚广播公司;加西亚,J。;López Martín,MM;Salmerón,R.,《共线性:岭回归中方差膨胀因子的再探讨》,J.Appl。Stat.,42,648-661(2015)·Zbl 1514.62580号
[22] 格里芬,J。;Brown,P.,回归模型的层次收缩先验,贝叶斯分析。,12, 135-159 (2017) ·Zbl 1384.62225号
[23] MHJ Gruber,《通过收缩提高效率:James-Stein和Ridge回归估计器》(1998),CRC出版社·Zbl 0920.62085号
[24] 霍尔,AE;Kennard,RW,Ridge回归:非正交问题的有偏估计,Technometrics,12,55-67(1970)·Zbl 0202.17205号
[25] Hoerl,RW,《岭回归:历史背景》,《技术计量学》,62420-425(2020)
[26] Huard,D。;Evin,G。;Favre,AC,贝叶斯连接词选择,计算。统计数据分析。,51, 809-822 (2006) ·Zbl 1157.62359号
[27] 易卜拉欣,JG;陈,MH;Sinha,D.,贝叶斯生存分析(2001),纽约:Springer,纽约·Zbl 0978.62091号
[28] Joe,H.,基于部分相关性生成随机相关矩阵,J.Multivar。分析。,97, 2177-2189 (2006) ·Zbl 1112.62055号
[29] Kalbfleisch,JD,生存时间数据的非参数贝叶斯分析,J.R.Stat.Soc.B,40,214-221(1978)·Zbl 0387.62030号
[30] Killiches,M。;克劳斯,D。;Czado,C.,三维葡萄交配简化假设的检验和可视化,Aust。N.Z.J.Stat.,59,95-117(2017)·Zbl 1373.62227号
[31] 克莱因,JP;Moeschberger,ML,《生存分析:删失和截断数据的技术》(2013),Springer·Zbl 1011.62106号
[32] 克莱因,JP;Van Houwelingen,HC;易卜拉欣,JG;TH Scheike,《生存分析手册》(2014),博卡拉顿:CRC出版社,博卡拉顿·Zbl 1282.62233号
[33] Kurowicka,D。;Cooke,R.,正定矩阵的参数化(基于部分相关树),线性代数应用。,372, 225-251 (2003) ·Zbl 1027.60070
[34] Kurowicka,D。;库克,RM,《高维依赖模型的不确定性分析》(2006),霍博肯:威利·Zbl 1096.62073号
[35] Kwon,S。;哈,ID;Shih,JH先生;Emura,T.,集群生存数据的灵活参数copula建模方法,Pharm.Stat.,21,1,69-88(2022)
[36] Lewandowski,D。;Kurowicka,D。;Joe,H.,基于藤蔓和扩展洋葱方法生成随机相关矩阵,J.Multivar。分析。,100, 9, 1989-2001 (2009) ·Zbl 1170.62042号
[37] Lustbader,教育部;上海穆尔加夫卡尔;Prentice,RL,相对风险回归诊断,慢性病流行病学的现代统计方法(1986),费城:SIAM,费城
[38] Loesgen,KH,具有良好先验均值的脊型估计量的推广和贝叶斯解释,Stat.Pap。,31, 147 (1990) ·Zbl 0709.62057号
[39] Michimae,H。;Emura,T.,基于回归参数基于联合先验分布的贝叶斯岭估计,计算。统计,37,2741-2769(2022)·Zbl 1505.62291号 ·doi:10.1007/s00180-022-01213-8
[40] 米歇尔,H。;Matsunami,M。;Emura,T.,估计相关基因表达对表型性状影响的稳健岭回归,环境。经济。统计,27,41-72(2020年)
[41] 哥伦比亚特区蒙哥马利;Peck,EA;Vining,GG,线性回归分析导论(2012),Wiley·Zbl 1274.62016年
[42] Nagler,T。;Bumann,C。;Czado,C.,稀疏高维藤系模型中的模型选择及其在投资组合风险中的应用,J.Multivar。分析。,172, 180-192 (2019) ·Zbl 1419.62126号
[43] Nelsen,RB,《Copulas简介》(2006),施普林格出版社·Zbl 1152.62030
[44] 帕克,T。;Casella,G.,《贝叶斯套索》,J.Am.Stat.Assoc.,103,681-686(2008)·Zbl 1330.62292号
[45] 彭,M。;向,L。;Wang,S.,具有半竞争风险的集群生存数据的半参数回归分析,计算。统计数据分析。,124, 53-70 (2018) ·兹比尔1469.62128
[46] Pliskin,JL,《脊型估计器和良好先验方法》,Commun。统计-理论方法,16,3429-3437(1987)·Zbl 0651.62068号
[47] Polson,NG;Scott,JG,关于全球尺度参数的半柯西先验,贝叶斯分析。,7, 887-902 (2012) ·兹比尔1330.62148
[48] FJ鲁比奥;Yu,K.,灵活目标贝叶斯线性回归及其在生存分析中的应用,J.Appl。Stat.,44,798-810(2017)·Zbl 1516.62577号
[49] Salmerón,R。;加西亚,J。;加西亚,C。;del Mar,LM,岭估计中的变量变换和条件数,计算。统计,331497-1524(2018)·Zbl 1417.62202号
[50] Sambasivan,R。;达斯,S。;Sahu,SK,大数据统计机器学习的贝叶斯观点,计算。统计,35,893-930(2020年)·Zbl 1505.62353号
[51] 谢普斯迈尔,美国。;Stöber,J.,二元连接函数的导数和Fisher信息,Stat.Pap。,55, 525-542 (2014) ·Zbl 1297.62046号
[52] 谢弗,RL;罗伊,LD;Wolfe,RA,岭逻辑估计器,Commun。统计-理论方法,13,99-113(1984)
[53] Scheipl,F。;Kneib,T。;Fahrmeir,L.,回归模型中的惩罚似然和贝叶斯函数选择,《高级统计分析》,97,349-385(2013)·Zbl 1443.62106号
[54] Segerstedt,B.,关于广义线性模型中的普通岭回归,Commun。统计-理论方法,212227-2246(1992)·Zbl 0775.62185号
[55] 辛哈,D。;易卜拉欣,JG;Chen,MH,Cox偏似然的贝叶斯论证,Biometrika,90229-641(2003)·Zbl 1436.62469号
[56] 施皮格尔(Spiegelhalter),DJ;最佳,NG;英国石油公司卡林;van der Linde,A.,模型复杂性和拟合的贝叶斯度量,J.R.Stat.Soc.B,64,583-640(2002)·Zbl 1067.62010年
[57] Stan开发团队:Stan建模语言用户指南和参考手册,https://mc-stan.org (2017)
[58] Stan开发团队:RStan:Stan的R接口。R软件包版本2.17.3:http://mc-stan.org (2018)
[59] Stewart,GW,共线性和最小二乘回归,统计科学。,2, 68-100 (1987) ·Zbl 0643.62049号
[60] Stöber,J。;Joe,H。;Czado,C.,《简化的对copula构造-映射和扩展》,J.Multivar。分析。,119, 101-118 (2013) ·Zbl 1277.62139号
[61] Van Wieringen,W.N.:山脊回归讲义。预打印。https://arxiv.org/pdf/1509.09169 (2020)
[62] 范·维林根,WN;Kun,D。;汉佩尔,R。;Boulesteix,AL,使用基因表达数据进行生存预测:综述和比较,计算。统计数据分析。,53, 1590-1603 (2009) ·Zbl 1453.62225号
[63] Veerman,JR;Leday,GG;van de Wiel,MA,高维广义线性模型中方差分量、遗传率和岭惩罚的估计,公共统计模拟计算,51,1,116-134(2022)·Zbl 07553302号
[64] Verweij,PJM;van Houwelingen,HC,Cox回归中的惩罚可能性,Stat.Med.,13,2427-2436(1994)
[65] 薛,X。;我的Kim;存在共线性的Shore,RE,Cox回归分析:职业辐射暴露相关健康风险评估的应用,寿命数据分析。,13, 333-350 (2007) ·Zbl 1331.62352号
[66] Yang,SP公司;Emura,T.,高维回归和测试的广义岭估计贝叶斯方法,Commun。统计-模拟。计算。,46, 6083-6105 (2017) ·Zbl 1388.62214号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,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。