倪，艾;蔡建文 分层病例组设计加性风险模型中的正则化变量选择过程。 （英语） Zbl 1468.62362号 寿命数据分析。 24，第3期，443-463（2018）. 小结：病例-对照设计通常用于大型流行病学研究，以降低与协变量测量相关的成本。在许多这样的研究中，协变量的数量非常大。对于只在样本子集中观察到协变量的病例组研究，需要一种有效的变量选择方法。目前关于这一主题的文献主要集中在比例风险模型上。然而，在许多研究中，相加风险模型优于比例风险模型，这是因为违反了比例风险假设，或者相加风险模式为研究问题提供了更多相关信息。受一项此类研究——社区动脉粥样硬化风险（ARIC）研究的启发，我们在一个具有发散参数的加性风险模型下，研究了分层病例组设计中正则化变量选择过程的性质。我们建立了惩罚估计量的一致性和渐近正态性，并证明了它的预言性质。采用改进的交叉验证调谐参数选择方法进行了仿真研究，以评估所提方法的有限样本性能。我们将变量选择程序应用于ARIC研究，以证明其实际应用。 引用于2文件 MSC公司： 62号02 生存分析和删失数据中的估计 62J07型 岭回归；收缩估计器（拉索） 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：加性危险模型;参数发散数;SCAD系统;分层病例组设计;生存分析;变量选择 软件：ElemStatLearn（电子状态学习） PDF格式BibTeX公司 XML格式引用 \textit{A.Ni}和\textit{J.Cai}，《寿命数据分析》。24，第3号，443--463（2018；Zbl 1468.62362） 全文： 内政部 链接 参考文献： [1] Aalen O（1980）计数过程的非参数回归分析模型。统计学课堂讲稿2。施普林格，纽约·Zbl 0445.62095号 ·doi:10.1007/978-1-4615-7397-5_1 [2] Akaike，H，高斯自回归滑动平均模型的最大似然识别，生物统计学，60255-265，（1973）·Zbl 0318.62075号 ·doi:10.1093/biomet/60.2.255 [3] Ballantyne，CM；胡格芬，RC；砰，H；科雷什，J；福尔森，AR；海斯，G；Sharrett，AR，脂蛋白相关磷脂酶a2，高敏c-反应蛋白，以及社区动脉粥样硬化风险（ARIC）研究中中年男性和女性冠心病发病风险，《循环》，109837-842，（2004）·doi:10.1161/01.CIR.0000116763.91992.F1 [4] 博根，O；兰霍兹，B；萨缪尔森，SO；戈尔茨坦，L；Pogoda，J，暴露分层病例组设计，寿命数据分析，6，39-58，（2000）·Zbl 0948.62069号 ·doi:10.1023/A:1009661900674 [5] Cox，DR，回归模型和生命表，J R Stat Soc Ser B，34187-220，（1972）·兹比尔0243.62041 [6] 克雷文，P；Wahba，G，用样条函数平滑噪声数据：用广义交叉验证方法估计平滑的正确程度，数值数学，31377-403，（1979）·Zbl 0377.65007号 ·doi:10.1007/BF01404567 [7] 风扇，J；Li，R，通过非冲突惩罚似然选择变量及其预言性质，美国统计协会，96，1348-1360，（2001）·Zbl 1073.62547号 ·doi:10.1198/016214501753382273 [8] Hastie T、Tibshirani R、Friedman J（2009）《统计学习的要素：数据挖掘、推理和预测》，第2版。纽约州施普林格·Zbl 1273.62005年 ·doi:10.1007/978-0-387-84858-7 [9] Huber，PJ，《稳健回归：渐近、猜想和蒙特卡罗》，《Ann Stat》，第1799-821页，（1973）·Zbl 0289.62033号 ·doi:10.1214/aos/1176342503 [10] 康，S；蔡，J；Chambless，L，具有多种疾病结局的病例组研究的边际加性风险模型：在社区动脉粥样硬化风险研究中的应用，生物统计学，14，28-41，（2013）·doi:10.1093/biostatistics/kxs025 [11] 库利希，M；Lin，D，病例组研究的加性危险回归，生物统计学，87，73-87，（2000）·Zbl 0974.62104号 ·doi:10.1093/biomet/87.1.73 [12] 林，D；Ying，Z，加性风险模型的半参数分析，Biometrika，81，61-71，（1994）·Zbl 0796.62099号 ·doi:10.1093/biomet/81.1.61 [13] 林，W；Lv，J，高维稀疏加性风险回归，美国统计协会，108，247-264，（2013）·Zbl 06158340号 ·doi:10.1080/01621459.2012.746068 [14] 马丁努森，T；Scheike，TH，半参数加性风险模型的协变量选择，Scand J Stat，36，602-619，（2009）·Zbl 1224.62104号 ·doi:10.1111/j.1467-9469.2009.00650.x [15] 镍，A；蔡，J；Zeng，D，失败时间结果的病例组研究变量选择，Biometrika，103，547-562，（2016）·兹比尔1506.62453 ·doi:10.1093/biomet/asw027 [16] Prentice，RL，《流行病学队列研究和疾病预防试验的病例组设计》，Biometrika，73，1-11，（1986）·Zbl 0595.62111号 ·doi:10.1093/biomet/73.1.1 [17] Tibshirani，R，通过套索进行回归收缩和选择，J R Stat Soc Ser B，58267-288，（1996）·Zbl 0850.62538号 [18] 元，M；Lin，Y，分组变量回归中的模型选择和估计，J R Stat Soc Ser B，68，49-67，（2006）·Zbl 1141.62030号 ·doi:10.1111/j.1467-9868.2005302.x [19] 曾，L；谢，J，通过scad-l2选择组变量，统计学，48，49-66，（2014）·Zbl 1367.62222号 ·doi:10.1080/02331888.2012.719513 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。