×
陆水云;陈晓林;徐生;刘春玲

超高维半竞争风险数据的联合无模型特征筛选。 （英语） Zbl 1510.62443号

计算。统计数据分析。 147，文章ID 106942，20 p.（2020）.
摘要：高维半竞争风险数据由两个可能相关的事件组成，即终结事件和非终结事件，在许多生物医学研究中普遍存在。然而，相应的统计分析很少被调查。提出了一种终端事件和非终端事件的联合无模型特征筛选方法，该方法允许相关协变量位于超高维特征空间中。联合筛选效用是根据每个预测因子的生存函数与终末事件和非终末事件的联合生存函数之间的距离相关性构建的。在相当温和的技术假设下，证明了所提出的联合特征筛选程序在排序属性方面具有可靠的筛选和一致性。进一步提出了一种自适应阈值规则，以同时识别重要协变量并确定这些协变量的数量。进行了大量的数值研究，以检验所提方法的有限样本性能。最后，通过一个实例说明了所提出的联合特征筛选过程。

引用于三文件

MSC公司：

62页第10页 统计学在生物学和医学中的应用；元分析
62G08号 非参数回归和分位数回归
62时20分 关联度量（相关性、典型相关性等）
62N01号 审查数据模型

关键词：

克莱顿连接;距离相关;特征筛选;半竞争风险数据;超高维
PDF格式BibTeX公司 XML格式引用
\textit{S.Lu}等人，计算。统计数据分析。147，文章ID 106942，20 p.（2020；Zbl 1510.62443）
全文： 内政部 链接

参考文献：

[1] Bitouzé，D。；Laurent，B。；Massart，P.，kaplan-Mier估计量的一个dvoretzky-kiefer-wolfowitz型不等式，《安娜·Inst.Henri Poincare B》，35，735-763（1999）·Zbl 1054.62589号
[2] 陈，X。；陈，X。；Liu，Y.，关于通过距离相关进行分位数特征筛选的注释，Statist。论文，60，5，1741-1762（2019）·Zbl 1432.62092号
[3] 陈，X。；陈，X。；Wang，H.，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。统计师。数据分析。，119, 118-138 (2018) ·Zbl 1469.62043号
[4] 陈，X。；刘，Y。；Wang，Q.，用稀疏限制估计量对超高维稀疏可加风险模型进行特征筛选，Ann.I.Stat.Math。，71, 1007-1031 (2019) ·Zbl 1432.62327号
[5] 陈，X。；Zhang，Y。；陈，X。；Liu，Y.，一种简单的无模型生存条件特征筛选，Statist。普罗巴伯。莱特。，146, 156-160 (2019) ·兹比尔1450.62129
[6] Dvoretzky，A。；基弗，J。；Wolfowitz，J.，《样本分布函数和经典多项式估计量的渐近极小极大特征》，《数学年鉴》。Stat.，27，3，642-669（1956年）·Zbl 0073.14603号
[7] 范，J。；Lv，J.，超高维特征空间的确定独立筛选，J.R.Stat.Soc.B，70，5，849-911（2008）·Zbl 1411.62187号
[8] 范，J。；萨姆沃思，R。；Wu，Y.，超高维特征选择：超越线性模型，J.马赫。学习。2013-2038年第10号决议（2009年）·Zbl 1235.62089号
[9] Fine，J。；姜浩。；Chappell，R.，《半竞争风险数据》，Biometrika，88，4，907-919（2001）·Zbl 0986.62091号
[10] Fu，Z。；帕里赫，C。；周斌，竞争风险回归中的惩罚变量选择，寿命数据分析。，23, 353-376 (2017) ·Zbl 1402.62164号
[11] 何，X。；Wang，L。；Hong，H.，高维遗传数据的分位数自适应无模型变量筛选，Ann.Statist。，41, 1, 342-369 (2013) ·Zbl 1295.62053号
[12] Hong，H。；陈，X。；Christian，D。；Li，Y.，综合功率密度：筛选具有生存结果的超高维协变量，生物计量学，74，2421-429（2018）·Zbl 1415.62101号
[13] Kiefer，J.，《关于向量机会变量的经验d.f.和重对数定律的大偏差》，太平洋数学杂志。，11, 2, 649-660 (1961) ·Zbl 0119.34904号
[14] Kong，J。；王，S。；Wahaba，G.，《使用距离协方差改进变量选择并应用于学习遗传风险模型》，Stat.Med.，34，10，1708-1720（2015）
[15] 赖，P。；刘，Y。；刘，Z。；Wan，Y.，随机缺失响应的超高维数据无模型特征筛选，计算。统计师。数据分析。，105, 1, 201-216 (2017) ·Zbl 1466.62125号
[16] Lakhal，L。；铆钉，L。；Abdous，B.，在半竞争风险模型中估计生存率和关联，生物计量学，64180-188（2008）·Zbl 1138.62062号
[17] 李，R。；Peng，L.，从半竞争风险中调整依赖审查的分位数回归，J.R.Stat.Soc.Ser。B统计方法。，77, 107-130 (2015) ·Zbl 1414.62136号
[18] 李，R。；钟，W。；Zhu，L.，通过距离相关学习进行特征筛选，J.Amer。统计师。协会，1071129-1139（2012）·Zbl 1443.62184号
[19] Lin，D。；Ying，Z.，单变量删失下双变量生存函数的简单非参数估计，Biometrika，80573-581（1993）·兹比尔0800.62700
[20] Lin，H。；周，L。；李，C。；Li，Y.，半完备生存数据的半参数变换模型，生物统计学，70，3，599-607（2014）·Zbl 1299.62127号
[21] 刘杰。；李，R。；Wu，R.，超高维协变量变系数模型的特征选择，J.Amer。统计师。协会，109，266-274（2014）·Zbl 1367.62048号
[22] Nelsen，R.，《连接词简介》（2007），Springer Science&Business Media。
[23] Peng，M.，《受半竞争风险影响的复杂生存数据分析》（博士论文）（2019年），南洋理工大学：新加坡南洋理工大
[24] 彭，L。；Fine，J.，《半Competing风险数据的回归建模》，生物统计学，63，96-108（2007）·Zbl 1124.62025号
[25] 塞克利，G。；Rizzo，M。；Bakirov，N.，《通过距离相关性测量和测试相关性》，Ann.Statist。，35, 2769-2794 (2007) ·Zbl 1129.62059号
[26] van De Vijver，M。；何毅。；van t Veer，L。；戴，H。；哈特，A。；Voskuil，D。；施赖伯，G。；彼得斯，J。；罗伯茨，C。；Marton，M.，基因表达特征作为乳腺癌生存预测因子，新英格兰。《医学杂志》，347，251999-2009（2002）
[27] van t Veer，L。；戴，H。；van de Vijver，M。；他，Y.A.A。；哈特，M.M。；彼得斯，H。；van der Kooy，K。；Marton，M。；Witteveen，A。；施赖伯，G。；科尔霍芬，R。；罗伯茨，C。；Linsley，P。；Bernards，R。；Friend，S.，基因表达谱预测乳腺癌的临床结果，Nature，415530-536（2002）
[28] 温，C。；朱，S。；陈，X。；Wang，X.，自适应无模型确定独立性筛选，Stat.Interface，10，399-406（2017）·Zbl 1388.62172号
[29] 严，X。；Tang，N。；谢军。；丁，X。；Wang，Z.，用于特征筛选的融合均值-方差滤波器，计算。统计师。数据分析。，122, 18-31 (2018) ·Zbl 1469.62169号
[30] 张，L。；Lu，W.，考克斯比例风险模型的自适应套索，生物统计学，94691-703（2007）·Zbl 1135.62083号
[31] 赵，S。；Li，Y.，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 (2012) ·Zbl 1233.62173号
[32] 钟，W。；Zhu，L.，基于距离相关性的确定独立性筛选的迭代方法，J.Stat.Comput。模拟。，85, 1-15 (2014)
[33] 钟，W。；朱，L。；李，R。；Cui，H.，单指数模型的正则分位数回归和稳健特征筛选，Statist。Sinica，26，69-95（2016）·Zbl 1419.62096号
[34] 周，T。；Zhu，L.，超高维删失回归的无模型特征筛选，统计计算。，27, 947-961 (2017) ·Zbl 1384.62144号
[35] 朱，L。；李，L。；李，R。；Zhu，L.，超高维数据的无模型特征筛选，J.Amer。统计师。协会，1061464-1475（2011）·Zbl 1233.62195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。