杜明月;孙建国 间隔感应故障时间数据的变量选择。 （英语） Zbl 07778341号 国际统计版次。 90，第2期，193-215（2022）. 摘要：随着对区间截尾数据的分析，区间截尾失效时间数据的变量选择在方法开发和实际应用中都引起了人们的极大关注。间隔相关数据是一种一般类型的时间到事件或故障时间数据，其中已知或观察到的相关故障时间仅位于一个间隔内，而不是被精确观察到。它们经常以不同的形式出现在许多领域，包括人口学研究、流行病学研究、医学或公共卫生研究和社会科学。本文将讨论和回顾基于区间感知数据的变量选择的现有方法，这是一个相对较新但重要的主题，以及一些需要进一步研究的方向或问题。{©2021国际统计学会} MSC公司： 62号02 生存分析和删失数据中的估计 10层62层 点估计 62页第10页 统计学在生物学和医学中的应用；元分析 关键词：协变量选择;Cox比例风险模型;区间删失数据;惩罚最大似然估计 PDF格式BibTeX公司 XML格式引用 \textit{M.Du}和\textit{J.Sun}，国际统计版次90，编号2，193--215（2022；Zbl 07778341） 全文： 内政部 参考文献： [1] Cai，T.、Huang，J.和Tian，L.（2009）。加速失效时间模型的正则化估计。生物统计学，65，394-404·Zbl 1274.62736号 [2] Chen，Y.、Feng，Y.和Sun，J.（2015）。在加性风险模型下多元现状数据与辅助协变量的回归分析。计算。统计数据分析。，87, 34-45. ·Zbl 1468.62039号 [3] Chen，Y.和Wang，Y.（2017）。多元纵向测量和事件时间数据联合模型的变量选择。Stat.Med.，第36页，第3820-3829页。 [4] Dicker，L.、Huang，B.和Lin，X.（2013）。变量选择和估计具有无缝的-L_0惩罚。中国统计局，23929-962·Zbl 1433.62068号 [5] Du，M.，Li，H.和Sun，J.（2020）。使用区间删失数据进行病例队列研究的附加危险回归。统计接口，13（2），181-191·Zbl 07161109号 [6] Du，M.、Li，H.和Sun，J.（2021b）。具有不可忽略缺失协变量的删失数据的回归分析及其在阿尔茨海默病中的应用。计算。统计数据分析。，157https://doi.org/10.1016/j.csda.2020.107157 ·兹比尔1510.62396 ·doi:10.1016/j.csda.2020.107157 [7] Du，M.，Zhou，Q.，Zhao，S.&Sun，J.（2021a）。存在依赖性区间审查的病例队列研究的回归分析。J.Appl。斯达。https://doi.org/10.1080/02664763.2020.1752633 ·Zbl 1521.62300号 ·doi:10.1080/02664763.2020.1752633 [8] Elashoff，R.、Li，G.和Li，N.（2016年）。纵向数据和事件时间数据的联合建模。佛罗里达州博卡拉顿：CRC出版社。 [9] Fan，J.、Feng，Y.和Wu，Y.（2010）。Cox比例风险模型的高维变量选择。IMS收集，6，70-86。 [10] Fan，J.&Li，R.（2001）。通过非冲突惩罚似然及其oracle属性进行变量选择。美国统计协会，96，1348-1360·Zbl 1073.62547号 [11] Fan，J.&Li，R.（2002）。考克斯比例风险模型和脆弱性模型的变量选择。年鉴统计，30，74-99·Zbl 1012.62106号 [12] 何，Z.，涂，W.，王，S.，傅，H.&余，Z.（2015）。纵向和生存结果联合模型的同步变量选择。生物统计学，71，178-187·Zbl 1419.62367号 [13] Hu，Q.，Zhu，L.，Liu，Y.，Sun，J.，Srivastava，D.K.和Robison，L.L.（2020）。超高维案例II区间删失失效时间数据的非参数筛选和特征选择。生物。J.，62（8），1909-1925年·兹比尔1464.62441 [14] Hu，T.&Xiang，L.（2013）。区间删失数据下半参数治愈模型的有效估计。《多元分析杂志》。，121, 139-151. ·兹比尔1328.62557 [15] Hu，T.&Xiang，L.（2016）。区间删失数据的部分线性变换治愈模型。计算。统计数据分析。，93, 257-269. ·Zbl 1468.62085号 [16] Huang，J.&Ma，S.（2010年）。通过桥接法选择加速失效时间模型中的变量。寿命数据分析。，16, 176-195. ·兹比尔1322.62189 [17] Kalbfleisch，J.D.&Prentice，R.L.（2002）。失效时间数据的统计分析。纽约：Wiley，第2版·Zbl 1012.62104号 [18] Kim，Y.和Jhun，M.（2008）。区间删失数据的治愈率模型。《统计医学》，27，3-14。 [19] Kosorok，M.R.、Lee，B.L.和Fine，J.P.（2004）。单变量比例风险脆弱性回归模型的稳健推断。安.统计师。，32, 1448-1491. ·Zbl 1047.62090号 [20] Li，C.和Sun，J.（2020年）。高维二次Cox模型的变量选择及其在阿尔茨海默病中的应用。国际生物统计杂志。，16 (2). https://doi.org/10.1515/ijb‐2019‐0121 ·doi:10.1515/ijb‐2019‐0121 [21] Li，H.，Zhang，H.、Zhu，L.、Li，N.和Sun，J.（2020c）。用区间截尾数据和缺失协变量估计加性风险模型。可以。J.Stat.，2020，48，499-517·Zbl 1492.62154号 [22] Li，J.，Zheng，Q.，Peng，L.&Huang，Z.（2016）。生存影响指数和超高维无模型筛选与生存结果。生物计量学，721145-1154·Zbl 1390.62281号 [23] Li，K.，Chan，W.，Doody，R.S.等人（2017年）。使用纵向测量和事件时间数据预测阿尔茨海默病的转化。阿尔茨海默病杂志。，58, 361-371. [24] Li，S.，Hu，T.，Tong，T.&Sun，J.（2020b）。多元双删失数据的半参数回归分析。统计模型。，20(5), 502-526. ·Zbl 07290039号 [25] Li，S.，Hu，T.，Wang，P.&Sun，J.（2018）。双删失失效时间数据的一类半参数变换模型。扫描。《美国联邦法律大全》，第45卷，第682-698页·Zbl 1409.62192号 [26] Li，S.，Hu，T.，Zhao，X.和Sun，J.（2019）。区间删失失效时间数据的一类半参数变换治愈模型。计算。统计数据分析。，133, 153-165. ·Zbl 1507.62109号 [27] Li，S.，Wu，Q.和Sun，J.（2020a）。区间删失数据半参数变换模型的惩罚估计及其在阿尔茨海默病中的应用。《统计方法医学研究》，29（8），2151-2166。 [28] Lin，W.和Lv，J.（2013）。高维稀疏加性风险回归。美国统计协会期刊，108，247-264·Zbl 06158340号 [29] Liu，H.和Shen，Y.（2009）。区间删失数据的半参数回归治愈模型。美国统计协会期刊，104，1168-1178·Zbl 1388.62283号 [30] Liu，L.、Wolfe，R.A.和Huang，X.（2004）。重复事件和终末事件的共享脆弱性模型。生物统计学，60747-756·Zbl 1274.62827号 [31] Liu，T.、Yuan，X.和Sun，J.（2020年）。具有双重截断数据的非参数变换模型的加权秩估计。J.韩国统计学会。https://doi.org/10.1007/s42952‐020‐00057‐6 ·Zbl 1485.62035号 ·doi:10.1007/s42952‐020‐00057‐6 [32] Lv，J.和Fan，Y.（2009年）。使用正则化最小二乘进行模型选择和稀疏恢复的统一方法。Ann.Stat.，第37页，第3498-3528页·Zbl 1369.62156号 [33] Ma，L.，Hu，T.&Sun，J.（2015）。筛选相关当前状态数据的最大似然回归分析。《生物特征》，102（3），731-738·Zbl 1452.62832号 [34] Ma，L.，Hu，T.&Sun，J.（2016）。依赖区间截尾失效时间数据的Cox回归分析。计算。统计数据分析。，103, 79-90. ·Zbl 1466.62154号 [35] Ma，S.（2010）。具有治愈子组的混合情况区间删失数据。统计师。Sinica，第20期，1165-1181页·Zbl 1507.62303号 [36] Ma，S.&Du，P.（2012）。右删失数据的部分线性回归模型中的变量选择。中国统计局，221003-1020·Zbl 1257.62044号 [37] Ni，A.和Cai，J.（2018）。分层病例队列设计加性风险模型中的正则化变量选择程序。寿命数据分析。，24(3), 443-463. ·Zbl 1468.62362号 [38] Ni，A.、Cai，J.和Zeng，D.（2016）。具有失效时间结果的病例队列研究的变量选择。《生物统计学》，第103、547-562页·Zbl 1506.62453号 [39] Prentice，R.L.（1986）。流行病学队列研究和疾病预防试验的病例队列设计。生物特征，73，1-11·Zbl 0595.62111号 [40] Scolas，S.、EI Ghouch，A.、Legrand，C.和Oulhaj，A.（2016）。具有区间截尾数据的柔性参数混合固化模型中的变量选择。《统计医学》，第35期，第1210-1225页。 [41] Shen，W.、Liu，S.、Chen，Y.和Ning，J.（2019）。纵向数据与结果相关抽样和信息审查的回归分析。《美国法律总汇》第46/831-847页·Zbl 1435.62260号 [42] Shi，Y.，Cao，Y.、Jiao，Y.&Liu，Y.（2014）。Cox比例风险模型的SICA，具有不同数量的参数。数学应用学报，英语系列，30887-902·Zbl 1305.62194号 [43] Song，R.，Lu，W.，Ma，S.&Jeng，X.J.（2014）。高维生存数据的删失秩独立筛查。生物特征，101799-814·兹比尔1306.62207 [44] Sun，J.（2006）。间隔截尾失效时间数据的统计分析。纽约：斯普林格·Zbl 1127.62090号 [45] Sun，L.，Li，S.，Wang，L.和Song，X.（2019）。具有区间删失失效时间数据的半参数非混合治疗模型中的变量选择：在前列腺癌筛查研究中的应用。《统计医学》，38（16），3026-3039。 [46] 唐，A.-M。，Zhao，X.和Tang，N.-S。(2017). 多元纵向和生存数据半参数联合模型中的贝叶斯变量选择和估计。生物。《期刊》，59（1），57-78·Zbl 1357.62320号 [47] Tibshirani，R.（1996）。通过套索回归收缩和选择。皇家统计学会期刊。B、 58、267-288页·Zbl 0850.62538号 [48] Tibshirani，R.（1997）。Cox模型中变量选择的套索方法。《统计医学》，第16卷，第385-395页。 [49] Wang，L.M.、Mcmahan，C.S.、Hudgens，M.G.和Qureshi，Z.P.（2016a）。一种灵活、计算效率高的方法，用于将比例风险模型拟合到区间删失数据。生物统计学，72，222-231·兹比尔1393.62105 [50] Wang，P.，Li，D.&Sun，J.（2020年）。Cox模型下左截断和区间删失数据的成对伪似然方法。生物计量学，https://doi.org/10.1111/biom.13394 ·Zbl 1520.62359号 ·doi:10.1111/biom.13394 [51] Wang，P.，Tong，X.&Sun，J.（2018年）。双删失数据的半参数回归治愈模型。寿命数据分析。，24, 492-508. ·Zbl 1468.62415号 [52] Wang，P.，Tong，X.，Zhao，S.&Sun，J.（2015a）。使用加性风险模型对左截断和案例I区间删失数据进行回归分析。Commun公司。统计理论方法，441537-1551·兹比尔1328.62223 [53] Wang，P.，Tong，X.，Zhao，S.&Sun，J.（2015b）。存在左截断和区间删失的加性风险模型的有效估计。统计界面，8（3），391-402·Zbl 1405.62133号 [54] Wang，P.，Zhao，H.&Sun，J.（2016年b）。在信息删失的情况下对案例K间隔删失失效时间数据的回归分析。生物统计学，72，1103-1112·Zbl 1390.62317号 [55] Wang，S.、Xu，D.、Wang，C.和Sun，J.（2021）。存在治愈子群和信息删失的情况下K区间删失失效时间数据的半参数分析。J.Stat.Compute。模拟。https://doi.org/101080/00949655.2021.1880587 ·Zbl 07497064号 ·数字对象标识代码：10.1080/00949655.2021.1880587 [56] Wu，Q.、Zhao，H.、Zhu，L.和Sun，J.（2020）。高维部分线性可加Cox模型的变量选择及其在阿尔茨海默病中的应用。《统计医学》，39（23），3120-3134。 [57] Wu，Y.和Cook，R.（2015）。疾病进展间隔审查时间的惩罚回归：银屑病关节炎患者HLA标记物的选择。生物统计学，71，782-791·Zbl 1419.62479号 [58] Wu，Y.和Yin，G.（2015）。超高维异质数据的条件分位数筛选。生物特征，102，65-76·Zbl 1345.62097号 [59] Wulfsohn，M.S.和Tsiatis，A.A.（1997年）。生存率和纵向数据的联合模型，用误差测量。生物计量学，53330-339·Zbl 0874.62140号 [60] Xu，Y.，Zhao，S.，Hu，T.&Sun，J.（2021）。具有区间删失失效时间数据的广义赔率混合治愈模型的变量选择。计算。统计数据分析。https://doi.org/10.1016/j.csda.2020.107115 ·Zbl 1510.62404号 ·doi:10.1016/j.csda.2020.107115 [61] Yi，F.、Tang，N.和Sun，J.（2020年）。具有区间删失的纵向和失效时间数据联合模型的同时变量选择和估计。生物统计学，https://doi.org/10.1111/biom.13387 ·Zbl 1520.62389号 ·doi:10.1111/biom.13387 [62] Ying，Z，Yu，W.，Zhao，Z.和Zheng，M.（2020年）。双截断数据的回归分析。《美国统计协会期刊》，115（530），810-821·Zbl 1445.62063号 [63] Yuan，M.和Lin，Y.（2006）。分组变量回归中的模型选择和估计。皇家统计学会期刊。B、 68、49-67页·Zbl 1141.62030号 [64] Zhang，H.&Lu，W.B.（2007）。考克斯比例风险模型的自适应拉索。生物特征，94，1-13·Zbl 1135.62083号 [65] Zhang，J.，Yin，G.，Liu，Y.和Wu，Y..（2018年）。超高维生存数据的删失累积残差独立筛查。寿命数据分析。，24, 273-292. ·Zbl 1468.62421号 [66] Zhao，H.、Wu，Q.、Gilbert，P.、Chen，Y.Q.和Sun，J.（2020b）。用于病例队列定期随访研究的正规估计方法，并应用于HIV疫苗试验。生物。J.，第62期，第1176-1191页·Zbl 1448.62198号 [67] Zhao，H.、Wu，Q.、Li，G.和Sun，J.（2020a）。区间删失数据的同时估计和变量选择与破缺自适应岭回归。美国统计协会期刊，115，204-216·Zbl 1437.62283号 [68] Zhao，S.D.和Li，Y.（2012）。具有超高维协变量的Cox模型的原则确定独立性筛选。J.多元分析。，105, 397-411. ·兹比尔1233.62173 [69] Zhou，Q.、Zhou、H.和Cai，J.（2017）。使用区间删失失效时间数据的病例队列研究。《生物特征》，104，17-29·Zbl 1506.62472号 [70] 邹华（2006）。自适应套索及其oracle属性。美国统计协会期刊，101，1418-1429·Zbl 1171.62326号 [71] Zou，H.和Hastie，T.（2005年）。通过弹性网络进行正则化和变量选择。皇家统计学会期刊。B、 67301-320·Zbl 1069.62054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。