×
易凤婷;唐念生;孙建国

具有区间截尾的纵向和故障时间数据联合模型的同时变量选择和估计。 （英语） 兹比尔1520.62389

生物计量学 78，编号1，151-164（2022）.
总结：本文讨论了纵向数据和故障时间数据联合分析中的变量选择。已经为变量选择或联合分析编制了大量文献，但当失效时间数据被正确审查时，在联合分析背景下，关于变量选择的文献有限。与此相对应，我们将考虑这样的情况，即观察到的不是以右为中心的数据，而是以间隔为中心的故障时间数据，这是一种更通用、更常见的故障时间形式。对于该问题，将开发一类基于惩罚似然法的程序，用于同时选择变量并估计相关纵向和故障时间变量的相关协变量影响。特别是，提出了一种蒙特卡罗EM（MCEM）算法来实现该方法。该方法允许协变量的数量随样本大小发散，并显示出oracle特性。对该方法的有限样本性能进行了广泛的仿真研究，结果表明该方法在实际情况下效果良好。还提供了一个应用程序。
{©2020国际生物识别学会}

引用于2文件

理学硕士：

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：

破碎自适应岭回归;区间删失数据;处罚程序;变量选择
PDF格式BibTeX公司 XML格式引用
\textit｛F.Yi｝等人，《生物计量学》78，第1期，151-1-164（2022；Zbl 1520.62389）
全文： 内政部

参考文献：

[1] Bradic，J.、Fan，J.和Jiang，J.（2011）Cox比例风险模型的np维正则化。《统计年鉴》，39，3092·Zbl 1246.62202号
[2] 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。医学统计，363820-3829。
[3] Craven，P.和Wahba，G.（1978）用样条函数平滑噪声数据。数字数学，31377-403·Zbl 0377.65007号
[4] Dicker，L.、Huang，B.和Lin，X.（2013年）变量选择和估计，零罚款。中国统计局，23929-962·Zbl 1433.62068号
[5] Elashoff，R.、Li，G.和Li，N.（2016）《纵向和时间到事件数据的联合建模》。佛罗里达州博卡拉顿：CRC出版社。
[6] Fan，J.和Li，R.（2001）通过无条件惩罚似然及其预言性质进行变量选择。美国统计协会杂志，96，1348-1360·Zbl 1073.62547号
[7] Fan，J.和Li，R.（2002）Cox比例风险模型和脆弱性模型的变量选择。《统计年鉴》，74-99·Zbl 1012.62106号
[8] Fan，J.和Li，R.（2004）纵向数据分析中半参数建模的新估计和模型选择程序。《美国统计协会杂志》，99710-723·兹比尔1117.62329
[9] Finkelstein，D.M.（1986年）。间隔截尾故障时间数据的比例风险模型。生物统计学，42，845-854·Zbl 0618.62097号
[10] Garcia，R.I.，Ibrahim，J.G.和Zhu，H.（2010）缺失数据回归模型的变量选择。中国统计局，20149·Zbl 1180.62057号
[11] He，Z.，Tu，W.，Wang，S.，Fu，H.和Yu，Z.（2015）纵向和生存结果联合模型的同时变量选择。生物统计学，71，178-187·Zbl 1419.62367号
[12] Johnson，B.A.、Lin，D.和Zeng，D.（2008）半参数回归模型中的惩罚估计函数和变量选择。美国统计协会杂志，103，672-680·Zbl 1471.62330号
[13] Li，K.，Chan，W.，Doody，R.S.，Quinn，J.和Luo，S.（2017）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，58361-371。
[14] Lin，H.、McCulloch，C.E.和Mayne，S.T.（2002）《事件时间和多个纵向变量联合分析中的最大似然估计》。医学统计学，212369-2382。
[15] Liu，Z.和Li，G.（2016）变量选择和网络构建的带惩罚的高效正则回归。医学中的计算和数学方法，doi:10.1155/2016/3456153。PMCID:PMC5098106·Zbl 1367.92008号
[16] Liu，L.，Wolfe，R.A.和Huang，X.（2004），重复事件和终末事件的脆弱性模型。生物统计学，60747-756·兹比尔1274.62827
[17] Lv，J.和Fan，Y.（2009）使用正则化最小二乘法进行模型选择和稀疏恢复的统一方法。《统计年鉴》，第37、3498-3528页·Zbl 1369.62156号
[18] Pu，W.和Niu，X.-F。（2006）基于广义信息标准选择混合效应模型。多元分析杂志，97，733-758·Zbl 1085.62083号
[19] Rizopoulos，D.（2012）《纵向和时间到事件数据的联合模型：在佛罗里达州R.Boca Raton的应用》：CRC出版社·Zbl 1284.62032号
[20] Schwarz，G.（1978）估算模型的维数。《统计年鉴》，第6461-464页·Zbl 0379.62005年
[21] Scolas，S.、El Ghouch，A.、Legrand，C.和Oulhaj，A.（2016）具有区间删失数据的灵活参数混合物固化模型中的变量选择。医学统计，351210-1225。
[22] Shen，W.，Liu，S.，Chen，Y.和Ning，J.（2019）《结果相关抽样和信息审查的纵向数据回归分析》，《斯堪的纳维亚统计杂志》，46，831-847·兹比尔1435.62260
[23] Sun，J.（2006）《区间截尾失效时间数据的统计分析》。纽约：斯普林格·Zbl 1127.62090号
[24] 唐，A.-M。，Zhao，X.和Tang，N.S。（2016）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。《生物医学杂志》，59，57-78·Zbl 1357.62320号
[25] Tibshirani，R.（1996）通过套索进行回归收缩和选择。英国皇家统计学会杂志：B辑（方法学），58267-288·Zbl 0850.62538号
[26] Verweij，P.J.和Van Houwelingen，H.C.（1993）生存分析中的交叉验证。医学统计，12305-2314。
[27] Wu，Y.和Cook，R.J.（2015）《疾病进展间隔审查时间的惩罚回归：银屑病关节炎中HLA标记物的选择》。生物统计学，71，782-791·Zbl 1419.62479号
[28] Wulfsohn，M.S.和Tsiatis，A.A.（1997）生存率和纵向数据的联合模型（误差测量）。生物统计学，53330-339·Zbl 0874.62140号
[29] 张，C.‐H。（2010）极小极大凹惩罚下的几乎无偏变量选择。《统计年鉴》，38894-942·Zbl 1183.62120号
[30] Zhang，H.H.和Lu，W.（2007）考克斯比例风险模型的自适应套索。《生物统计学》，94691-703·Zbl 1135.62083号
[31] Zhao，H.，Wu，Q.，Li，G.和Sun，J.（2020）区间删失数据的同时估计和变量选择与断裂自适应岭回归。美国统计协会杂志，115，204-216·Zbl 1437.62283号
[32] Zou，H.（2006）自适应套索及其预言属性。美国统计协会杂志，1011418-1429·Zbl 1171.62326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。