×
陈晓林;李晨光;张涛;高振龙

超高维竞争风险数据的相关秩筛选。 （英语） Zbl 07540763号

J.应用。斯达。 49，第7期，1848-1864（2022）.
摘要：近年来，针对只有一个失效事件的超高维标准生存数据，开发了许多特征筛选方案。然而，现有文献很少关注竞争风险数据的相关调查，在这些数据中，受试者遭受多重互斥失败。在本文中，我们为超高维时间到事件数据开发了一种新的边缘特征筛选，以考虑竞争风险。所建议的程序是无模型的，并且对重尾分布和潜在异常值具有鲁棒性，适用于相关故障类型。除此之外，它对感兴趣的事件时间的任何单调变换都是不变的。在相当温和的假设下，新提出的方法具有排序一致性和确定的独立性筛选特性。我们进行了一些数值研究，以评估我们方法的有限样本性能，并与竞争对手进行了比较，同时提供了一个实际数据集的应用程序作为示例。

引用于1文件

MSC公司：

62至XX 统计

关键词：

排名的一致性;特征筛选;无模型的;确定独立性筛选;超高维竞争风险数据

软件：

cmprsk公司
PDF格式BibTeX公司 XML格式引用
\textit{X.Chen}等人，J.Appl。Stat.49，No.7，1848--1864（2022；Zbl 07540763）
全文： 内政部 链接

参考文献：

[1] Ambrogi，F。；Scheike，T.，竞争风险回归的惩罚估计及其在高维协变量中的应用，生物统计学，17，708-721（2016）
[2] 粘合剂H。；Allignol，A。；舒马赫，M。；Beyersmann，J.，《提升具有竞争风险的高维时间-事件数据》，生物信息学，25890-896（2009）
[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。统计数据分析。，119, 118-138 (2018) ·Zbl 1469.62043号
[4] 陈，X。；Zhang，Y。；陈，X。；Liu，Y.，一种简单的无模型生存条件特征筛选，Stat.Probab。莱特。，146, 156-160 (2019) ·Zbl 1450.62129号
[5] 陈，X。；Zhang，Y。；刘，Y。；Chen，X.，超高维竞争风险数据的无模型特征筛选，Stat.Probab。莱特。，164 (2020) ·Zbl 1456.62230号
[6] Dyrskjöt，L。；齐格，K。；雷亚尔，F.X。；马拉茨，N。；卡拉托，A。；C.赫斯特。；科特瓦尔，S。；Knowles，M。；马尔姆斯特罗姆，P.-U。；de la Torre，M。；韦斯特，K。；阿洛里，Y。；沃多斯，D。；Caillault，A。；拉德瓦尼，F。；海因，A.-M.K。；Jensen，J.L。；Jensen，K.M.E。；Marcussen，N。；Orntoft，T.F.，基因表达特征预测非肌肉浸润性膀胱癌的预后：一项多中心验证研究，临床。癌症研究，13，3545-3551（2007）
[7] 范，J。；Lv，J.，超高维特征空间的确定独立性筛选，J.R.Stat.Soc.Ser。B、 70849-911（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.Mach。学习。2013-2038年第10号决议（2009年）·Zbl 1235.62089号
[9] Fine，J。；Gray，P.，竞争风险细分的比例风险模型，美国统计协会，94，496-509（1999）·Zbl 0999.62077号
[10] 傅，Z。；帕里克，C。；周，B.，竞争风险回归中的惩罚变量选择，终身数据。分析。，23, 353-376 (2017) ·Zbl 1402.62164号
[11] Gorst-Rasmussen，A。；Scheike，T.，《具有超高维特征的单指标风险率模型的独立筛选》，J.R.Stat.Soc.Ser。B、 72、217-245（2013）·Zbl 07555446号
[12] 哈，我。；李，M。；哦，S。；Jeong，J。；西尔维斯特，R。；Lee，Y.，《具有竞争风险数据的次级分布风险脆弱性模型中的变量选择》，Stat.Med.，33，4590-4604（2014）
[13] 何，X。；Wang，L。；Hong，H.，高维异质数据的分位数自适应无模型变量筛选，Ann.Stat.，41，342-369（2013）·Zbl 1295.62053号
[14] 李，E。；梅，B。；Tian，M.，基于超高维竞争风险模型的特征筛选（中文），科学。中国数学研究院。，48, 1061-1086 (2018) ·Zbl 1499.62165号
[15] 李·G。；Yang，Q.，竞争风险生存数据的联合推断，美国统计协会，1111289-1300（2016）
[16] 刘杰。；钟伟。；Li，R.，超高维数据特征筛选的选择性概述，科学。中国数学。，58, 2033-2054 (2015) ·兹比尔1327.62345
[17] Pollard，D.，《随机过程的收敛性》（1984），Springer-Verlag:Springer-Verlag，纽约·Zbl 0544.60045号
[18] H·推杆。；菲奥科尔，M。；Geskus，R.，《生物统计学教程：竞争风险和多状态模型》，《统计医学》，第26期，第2389-2430页（2007年）
[19] 徐，C。；Chen，J.，超高维特征筛选的稀疏mle，美国统计协会，1091257-1269（2014）·Zbl 1368.62295号
[20] 张杰。；刘，Y。；Wu，Y.，超高维生存数据的相关秩筛选，计算机。统计数据分析。，108, 121-132 (2017) ·兹比尔1466.62226
[21] 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
[22] 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
[23] 朱，L。；李，L。；李，R。；Zhu，L.，超高维数据的无模型特征筛选，美国统计协会，106，1464-1475（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。