×
本田、东雄

高维Cox回归模型的统计推断。 （日语。英文摘要） Zbl 07670290号

J.Jpn.杂志。统计Soc.，Jpn。问题 52，第2期，113-129（2023）.
摘要：由于数据采集技术的飞速发展，可以获得包含许多协变量的高维数据。因此，多年来，对这种高维数据的统计分析一直是一个非常重要的问题。我们甚至可以在本科生的教科书中找到拉索这样的典型方法。此外，在某些领域，我们通常使用超高维数据，例如\（p\sim\mathrm{exp}（n^c）\），其中\（p\）是协变量的数量，\（n\）是样本大小，\（c\）是常数。在这篇论文中，我们从我自己对高维数据的研究角度，回顾了关于具有（超）高维协变量的生存时间数据的重要研究。我们重点讨论了Cox回归模型，它是生存分析的最重要模型之一。此外，我们还参考了相关主题。

MSC公司：

62至XX 统计

软件：

格尔姆奈特;化合物。考克斯
PDF格式BibTeX公司 XML格式引用
\textit{T.本田}，J.Jpn。Stat.Soc.，Jpn公司。第52期，第2号，113--129（2023；Zbl 07670290）
全文： 内政部

参考文献：

[1] Barut，E.、Fan，J.和Verhasselt，A.（2016）。有条件的确定独立性筛选，《美国统计协会杂志》，1111266-1277。
[2] Bickel，P.J.、Ritov，Y.A.和Tsybakov，A.B.（2009年）。拉索和丹齐格选择器的同步分析，《统计年鉴》，371705-1732·Zbl 1173.62022号
[3] Bradic，J.、Fan，J.和Jiang，J.（2011）。具有NP维的Cox比例风险模型的正则化，《统计年鉴》，39，3092-3120·Zbl 1246.62202号
[4] Breheny，P.和Huang，J.（2011）。非凸惩罚回归的坐标下降算法及其在生物特征选择中的应用，应用统计年鉴，5232-253·兹比尔1220.62095
[5] Breheny，P.（2015）。双水平变量选择的群指数套索，生物统计学，71731-740·兹伯利1419.62316
[6] Breheny，P.和Huang，J.（2015）。带分组预测因子的非凸惩罚线性和逻辑回归模型的分组下降算法，《统计与计算》，25，173-187·Zbl 1331.62359号
[7] Cai，T.，Liu，W.和Luo，X.（2011）《稀疏精度矩阵估计的一种受约束的У1最小化方法》，美国统计协会杂志，106594-607·Zbl 1232.62087号
[8] Cai，Z.和Sun，Y.（2003）。考克斯回归模型中时间相关系数的局部线性估计，《斯堪的纳维亚统计杂志》，3093-111·Zbl 1034.62096号
[9] Candes，E.和Tao，T.（2007）。Dantzig选择器：当p远大于n时的统计估计，《统计年鉴》，352313-2351·Zbl 1139.62019号
[10] Chen，J.和Chen，Z.（2008）。大模型空间模型选择的扩展贝叶斯信息准则，Biometrika，95759-771·Zbl 1437.62415号
[11] Chen，X.、Chen，X和Wang，H.（2018）。通过距离相关对超高维右删失数据进行稳健特征筛选，计算统计与数据分析，119118-138·Zbl 1469.62043号
[12] Chen，S.和Zhou，L.（2007）。比例风险回归中的局部偏似然估计，《统计年鉴》，35888-916·Zbl 1117.62108号
[13] Cox，D.R.（1972）。回归模型和生命表，《皇家统计学会杂志：B辑》，34187-202。
[14] Emura，T.、Matsui，S.和Chen，H.Y.（2019年）。化合物。考克斯：预测生存率的单变量特征选择和复合协变量，生物医学中的计算机方法和程序，168，21-37。
[15] Fan，J.和Gijbels，I.（1996年）。局部多项式建模及其应用，查普曼和霍尔/CRC，伦敦·兹比尔0873.62037
[16] Fan，J.、Feng，Y.和Song，R.（2011）。稀疏超高维可加模型中的非参数独立性筛选，美国统计协会杂志，106544-557·Zbl 1232.62064号
[17] Fan，J.和Li，R.（2001）。通过非洞穴惩罚似然的变量选择及其预言性质，《美国统计协会杂志》，961348-1360·Zbl 1073.62547号
[18] Fan，J.、Li，R.、Zhang，C.H.和Zou，H.（2020年）。数据科学统计基础，查普曼和霍尔/CRC，博卡拉顿·Zbl 1467.62001
[19] Fan，J.和Lv，J.（2008）。超高维特征空间的确定独立筛选，《皇家统计学会杂志：B辑》，70849-911·Zbl 1411.62187号
[20] Fan，J.和Lv，J.（2018）。确定独立筛选，Wiley StatsRef:在线统计参考。
[21] Fan，J.和Song，R.（2010年）。具有NP-维数的广义线性模型中的确定独立性筛选，《统计年鉴》，38，3567-3604·兹比尔1206.68157
[22] Friedman，J.、Hastie，T.和Tibshirani，T.（2010）。广义线性模型通过坐标下降的正则化路径，统计软件杂志，33，1-22。
[23] Gorst-Rasmussen，A.和Scheike，T.（2013）。具有超高维特征的单指数风险率模型的独立筛选，《皇家统计学会杂志：B辑》，75，217-245·Zbl 07555446号
[24] He，X.，Wang，L.和Hong，H.G.（2013）。高维异质数据的分位数自适应无模型变量筛选，《统计年鉴》，41342-369·Zbl 1295.62053号
[25] Honda，T.（2004）。比例风险模型中的非参数回归，日本统计学会杂志，34，1-17·Zbl 1061.62064号
[26] Honda，T.和Härdle，W.K.（2014）。变系数Cox回归模型中的变量选择，《统计规划与推断杂志》，14867-81·Zbl 1432.62338号
[27] Honda，T.和Lin，C.T.（2021）。稀疏超高维广义变系数模型的前向变量选择，日本统计与数据科学杂志，4151-179·Zbl 1477.62185号
[28] Honda，T.和Yabe，R.（2017年）。变系数Cox模型的变量选择和结构识别，多元分析杂志，161103-122·Zbl 1373.62157号
[29] Hong，H.G.、Kang，J.和Li，Y.（2018）。生存结果超高维协变量的条件性筛选，终身数据分析，24，45-71·Zbl 1468.62386号
[30] Hong，H.G.和Li，Y.（2017）。超高维协变量的特征选择与生存结果：选择性综述，《应用数学——中国大学学报》，32，379-396·兹比尔1399.62178
[31] Hong，H.G.、Zheng，Q.和Li，Y.（2019年）。高维协变量Cox模型的正向回归，多元分析杂志，173268-290·Zbl 1422.62302号
[32] Huang，J.Z.、Kooperberg，C.、Stone，C.J.和Truong，Y.K.（2000年）。比例风险回归的功能ANOVA建模，统计年鉴，28961-999·Zbl 1105.62378号
[33] Huang，J.（1999）。部分线性可加Cox模型的有效估计，《统计年鉴》，271536-1563·Zbl 0977.62035号
[34] Huang，J.、Sun，T.、Ying，Z.、Yu，Y.和Zhang，C.H.（2013）。考克斯模型中套索的Oracle不等式，《统计年鉴》，411142-1165·Zbl 1292.62135号
[35] Javanmard，A.和Montanari，A.（2014）。高维回归的置信区间和假设检验，机器学习研究杂志，152869-2909·Zbl 1319.62145号
[36] Kalbfleisch，J.D.和Prentice，R.L.（2002）。失效时间数据的统计分析，John Wiley&Sons，Hoboken·Zbl 1012.62104号
[37] 川野秀一，松井秀俊，廣瀬慧 (2018). 『スパース推定法による統計モデリング』共立出版．
[38] Kong，S.、Yu，Z.、Zhang，X.和Cheng，G.（2021）。使用失焦拉索对考克斯回归模型进行高维稳健推断，《斯堪的纳维亚统计杂志》，481068-1095·Zbl 1473.62250号
[39] Li，J.，Zheng，Q.，Peng，L.和Huang，Z.（2016）。生存影响指数和超高维无模型筛选与生存结果，生物统计学，721145-1154·Zbl 1390.62281号
[40] Liu，J.、Zhong，W.和Li，R.（2015）。超高维数据特征筛选的选择性概述，科学中国数学，58，1-22。
[41] Lu，S.，Chen，X.，Xu，S.和Liu，C.（2020）。超高维半竞争风险数据的联合无模型特征筛选，计算统计与数据分析，147106942·Zbl 1510.62443号
[42] Meier，L.、van de Geer，S.和Bühlmann，P.（2008）。逻辑回归套索组，《皇家统计学会杂志：B辑》，70，53-71·Zbl 1400.62276号
[43] Peng，M.和Xiang，L.（2021）。基于相关性的半竞争风险结果联合特征筛选及其在乳腺癌数据中的应用，《医学研究中的统计方法》，30，2428-2446。
[44] Schumaker，L.L.（2007）。《样条函数：基本理论》，剑桥大学出版社，纽约·Zbl 1123.41008号
[45] Simon，N.、Friedman，J.、Hastie，T.和Tibshirani，R.（2011）。通过坐标下降的Cox比例危险模型的正则化路径，统计软件杂志，39，1-13。
[46] Song，R.、Lu，W.、Ma，S.和Jeng，J.X.（2014）。高维生存数据的审查等级独立性筛选，Biometrika，101799-814·Zbl 1306.62207号
[47] 杉本知之 (2021). 『生存時間解析』朝倉書店．
[48] Székely，G.J.、Rizzo，M.L.和Bakirov，N.K.（2007年）。通过距离相关性测量和测试相关性，《统计年鉴》，35，2769-2794·Zbl 1129.62059号
[49] Tibshirani，R.（1996）。通过套索进行回归收缩和选择，《皇家统计学会杂志：B辑》，58，267-288·Zbl 0850.62538号
[50] van de Geer，S.、Bühlmann，P.、Ritov，Y.A.和Dezeure，R.（2014）。关于高维模型的渐近最优置信区间和检验，《统计年鉴》，421166-1202·Zbl 1305.62259号
[51] Wang，H.（2009）。超高维变量筛选的正向回归，美国统计协会杂志，1041512-1524·Zbl 1205.62103号
[52] Witten，D.M.和Tibshirani，R.（2010年）。高维协变量生存分析，医学研究中的统计方法，19，29-51。
[53] Yan，J.和Huang，J.（2012）。时变系数Cox模型的模型选择，生物统计学，68，419-428·Zbl 1251.62052号
[54] Yang，G.，Yu，Y.，Li，R.和Buu，A.（2016）。超高维Cox模型的特征筛选，中国统计局，26881-901·Zbl 1356.62175号
[55] Yang，G.，Zhang，L.，Li，R.和Huang，Y.（2019年）。超高维变系数Cox模型的特征筛选，多元分析杂志，171284-297·Zbl 1417.62283号
[56] Yu，Y.、Bradic，J.和Samworth，R.J.（2021）。高维Cox模型的置信区间，中国统计局，31243-267·Zbl 1464.62351号
[57] Zhang，C.H.（2010）。极小极大凹惩罚下的几乎无偏变量选择，统计年鉴，38894-942·Zbl 1183.62120号
[58] Zhang，C.H.和Zhang、S.S.（2014）。高维线性模型中低维参数的置信区间，《皇家统计学会杂志：B辑》，76217-242·Zbl 1411.62196号
[59] Zhang，H.H.和Lu，W.（2007）。考克斯比例风险模型的自适应拉索，Biometrika，94691-703·Zbl 1135.62083号
[60] Zhao，S.D.和Li，Y.（2012）。超高维协变量Cox模型的原则确定独立性筛选，多元分析杂志，105，397-411·Zbl 1233.62173号
[61] Zhong，W.，Wang，J.和Chen，X.（2021）。超高维生存数据的截尾平均方差确定独立性筛选，计算统计学与数据分析，159107206·Zbl 1510.62089号
[62] 邹华（2006）。自适应套索及其预言属性，《美国统计协会杂志》，1011418-1429·Zbl 1171.62326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。