×
拉蒙·加西亚。;约瑟夫·易卜拉欣。;朱洪图

随机缺失协变量的Cox回归模型中的变量选择。 （英语） Zbl 1187.62167号

生物计量学 66，第1期，97-104（2010）.
摘要：我们在Cox回归模型中考虑变量选择[D.R.考克斯《生物特征》362，269–276（1975；Zbl 0312.62002号)]协变量随机缺失。我们研究了平滑剪裁的绝对偏差惩罚和自适应最小绝对收缩选择算子（LASSO）惩罚，并提出了统一的模型选择和估计过程。开发了一种具有计算吸引力的算法，该算法同时优化了惩罚似然函数和惩罚参数。我们还优化了一个模型选择标准，称为ICQ统计[J.G.易卜拉欣、H.朱和N.唐《美国统计协会期刊》第103卷第1648页至第1658页（2008年）]，以估计惩罚参数，并表明其始终选择所有重要的协变量。通过仿真评估了惩罚估计的有限样本性能。此外，还对两个肺癌数据集进行了分析，以证明所提出的方法。

引用于7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
92 C50 医疗应用（通用）
62号02 生存分析和删失数据中的估计
65二氧化碳 蒙特卡罗方法
62N01号 审查数据模型

关键词：

阿拉索;缺少数据;部分似然;惩罚可能性;比例风险模型;SCAD公司;变量选择

引文：

Zbl 0312.62002号
PDF格式BibTeX公司 XML格式引用
\textit{R.I.Garcia}等人，《生物统计学》66，第1期，97--104（2010；Zbl 1187.62167）
全文： DOI程序 DOI程序

参考文献：

[1] Antoniadis，小波近似的正则化，《美国统计协会杂志》96 pp 939–（2001）·Zbl 1072.62561号 ·doi:10.1198/016214501753208942
[2] Celeux，缺失数据模型的偏差信息标准，贝叶斯分析4第651页–（2006）·Zbl 1331.62329号 ·doi:10.1214/06-BA122
[3] Chen，Cox回归模型中缺失协变量的双半参数方法，美国统计协会杂志97 pp 565–（2002）·兹比尔1073.62526 ·doi:10.1198/016214502760047096
[4] Chen，缺失协变量的比例风险霸权，《美国统计协会杂志》94 pp 896–（1999）·Zbl 0996.62092号 ·doi:10.2307/2670005
[5] Chen，Cox回归模型的模型可识别性及其对缺失协变量的应用，《多变量分析杂志》（2009）·Zbl 1170.62066号 ·doi:10.1016/j.jmva.2009.03.013
[6] 考克斯，部分可能性，生物特征362第269页–（1975）·Zbl 0312.62002号 ·doi:10.1093/biomet/62.2.269
[7] Fan，通过非一致惩罚似然进行变量选择及其预言属性，《美国统计协会杂志》96页1348–（2001）·兹比尔1073.62547 ·doi:10.1198/016214501753382273
[8] Fan，Cox比例风险模型和脆弱性模型的变量选择，《统计年鉴》30，第74页–（2002）·Zbl 1012.62106号
[9] Herring，Cox比例风险模型中缺失协变量的基于似然方法，美国统计协会杂志96页292–（2001）·Zbl 1014.62112号 ·doi:10.1198/016214501750332866
[10] Hoeting，贝叶斯模型平均：教程，《统计科学》14第382页–（1999）·兹比尔1059.62525
[11] 易卜拉欣，当缺失数据机制不可忽略时，广义线性模型中的缺失协变量，皇家统计学会杂志，B系列61第173页–（1999）·Zbl 0917.62060号 ·doi:10.1111/1467-9868.00170
[12] 易卜拉欣，通过EM算法解决缺失数据问题的模型选择标准，《美国统计协会杂志》103页1648–（2008）·Zbl 1286.62082号 ·doi:10.1198/01621450080001057
[13] Kalbfleisch，失效时间数据的统计分析（2002）·兹比尔1012.62104 ·doi:10.1002/9781118032985
[14] Lipsitz，利用缺失协变量的相关截尾生存数据进行估计，生物统计学1第315页–（2000）·Zbl 0965.62080号 ·doi:10.1093/biostatistics/1.3.315
[15] 少，缺失数据的统计分析（2002年）·doi:10.1002/9781119013563
[16] 缺少值的混合连续数据和分类数据的最小最大似然估计，Biometrika 72 pp 497–（1985）·Zbl 0609.62082号 ·doi:10.1093/biomet/72.3.497
[17] 孟，通过ECM算法的最大似然估计：一般框架，Biometrika 80 pp 267–（1993）·Zbl 0778.62022号 ·doi:10.1093/biomet/80.2.267
[18] Paik，关于使用Cox比例风险模型和缺失协变量，Biometrika 84 pp 579–（1997）·Zbl 0888.62092号 ·doi:10.1093/biomet/84.3.579
[19] Pettitt，《移民社会调查分类纵向数据的贝叶斯层次模型》，《皇家统计学会杂志》，A辑169，第97页–（2006）·doi:10.1111/j.1467-985X.2005.00389.x
[20] Schluchter，用部分观察到的协变量对截尾生存数据进行对数线性分析，《美国统计协会杂志》84页42–（1989）·doi:10.2307/2289845
[21] Socinski，比较晚期IIIB/IV非小细胞肺癌治疗持续时间与二线治疗后持续时间的III期试验，《临床肿瘤学杂志》20页1335–（2002）·doi:10.1200/JCO.20.5.1335
[22] Wang，最小二乘近似的统一LASSO估计，《美国统计协会杂志》第102页第1039页–（2007）·Zbl 1306.62167号 ·doi:10.1198/0162145000000509
[23] Wang，平滑剪裁绝对偏差方法的调整参数选择器，Biometrika 94 pp 553–（2007）·Zbl 1135.62058号 ·doi:10.1093/biomet/asm053
[24] 张，Cox比例风险模型的自适应套索，Biometrika 94第691页–（2007）·Zbl 1135.62083号 ·doi:10.1093/biomet/asm037
[25] 邹，《自适应套索及其预言属性》，《美国统计协会期刊》第101页第1418页–（2006）·Zbl 1171.62326号 ·doi:10.1198/016214500000735
[26] 邹，非保守惩罚似然模型中的一步稀疏估计，《统计年鉴》36页1509–（2008）·Zbl 1142.62027号 ·doi:10.1214/0090536007000000802
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。