Inverse regression estimation for censored data

doi:10.1198/jasa.2011.tm08250

。2011年3月1日；106(493):178-190.

doi:10.1198/jasa.2011.tm08250。

截尾数据的逆回归估计

Nivedita V Nadkarni公司¹, 赵英琪, 迈克尔·科索罗克

附属公司

PMID： 21666842
预防性维修识别码：项目经理1110674
内政部： 10.1198/jasa.2011.tm08250

截尾数据的逆回归估计

Nivedita V Nadkarni公司等。美国统计协会。 2011。

。2011年3月1日；106(493):178-190.

doi:10.1198/jasa.2011.tm08250。

作者

Nivedita V Nadkarni公司¹, 赵颖琪, 迈克尔·R·科索罗克

附属

¹赵莹琪（Yingqi Zhao）是北卡罗来纳大学生物统计系博士生，地址：北卡罗来那州教堂山（Chapel Hill），邮编：27599（yqzhao@email.unc.edu ).

PMID： 21666842
预防性维修识别码：项目经理1110674
内政部： 10.1198/jasa.2011.tm08250

摘要

开发了一种用于评估删失数据设置中预测器性能的逆回归方法，以及推理过程和计算算法。这里开发的技术允许对未观察到的故障时间进行调节，并使用加权机制来解释审查。该实现是非参数的，且计算速度快。这提供了一种有效的方法学工具，特别是在通常的建模假设不适用于考虑中的数据的情况下。它也可以是一个很好的诊断工具，可用于模型选择过程。我们为该方法的一致性和渐近正态性提供了理论依据。提供了仿真研究和两个数据分析，以说明该程序的实用性。

PubMed免责声明

数字

图1
之间的平均角度*S公司_ξ*以及模型1 100次模拟运行下的SIR估计和建议程序：（a）不同的样本大小和（b）不同的参数数量。

图2
之间的平均角度*S公司_ξ*以及SIR估计值和100个模拟运行下的建议程序*z（z）*₁是Rademacher分布的：（a）不同的样本大小和（b）不同的参数数量。

图3
之间的平均角度*S公司_ξ*以及SIR估计值和100个模拟运行下的建议程序*z（z）*₂是Rademacher分布的：（a）不同的样本大小和（b）不同的参数数量。

图4
之间的平均角度*S公司_ξ*以及SIR估计值和100个模拟运行下的建议程序*z（z）*₄是Rademacher分布的：（a）不同的样本量和（b）不同数量的参数。

图5
之间的平均角度*S公司_ξ*以及模型2 100次模拟运行下不同样本大小的SIR估计值和建议程序：（a）不同样本大小和（b）不同参数数量。

图6
使用SCAD、ALASSO和建议的方法为不同样本量选择显著/非显著变量的百分比

图7
使用SCAD、ALASSO和建议的方法为不同数量的参数选择重要/非重要变量的百分比

图8
使用SCAD、ALASSO和所提方法为预测因子之间的不同相关性选择显著/非显著变量的百分比

图9
使用SCAD、ALASSO和所提方法为不同CV选择显著/非显著变量的百分比

请参阅PMC中的此图像和版权信息

类似文章

基于定量回归的相关删减数据分析。
Ji S，Peng L，Li R，Lynn MJ。纪S等。统计正弦。2014年；24(3):1411-1432. doi:10.5705/ss.2012.303。统计正弦。2014 PMID：25382953 免费PMC文章。
有序和截尾连续结果之间广义一致性的非参数估计。
戴涛，郭毅，彭磊，马纳通加A。 Dai T等。统计医学2020年6月30日；39(14):1952-1964. doi:10.1002/sim.8523。Epub 2020年3月23日。统计医学2020。 PMID：32207170 免费PMC文章。
基于间隔相关失效时间数据的病例协方差研究。
周Q，周H，蔡J。周强等。 Biometrika公司。2017年3月；104(1):17-29. doi:10.1093/biomet/asw067。Epub 2017年2月3日。生物特征。2017 PMID：28943643 免费PMC文章。
基于不等删失的区间相关数据的生存函数的非参数比较。
冯毅、段瑞、孙杰。冯毅等。 Stat Med.2017年5月30日；36(12):1895-1906. doi:10.1002/sim.7239。Epub 2017年2月27日。 2017年统计医学。 PMID：28239879
依赖区间删失条件下病例对照研究的回归分析。
杜明，周强，赵S，孙杰。 Du M等人。《申请统计杂志》2021；48(5):846-865. doi:10.1080/02664763.2020.1752633。Epub 2020年4月14日。《申请统计杂志》2021年。 PMID：33767519 免费PMC文章。

查看所有类似文章

引用人

协变量中具有测量误差的删失数据的超高维充分降维。
Chen有限合伙人。 Chen有限合伙人。 J Appl Stat.2020年12月8日；49(5):1154-1178. doi:10.1080/02664763.2020.1856352。eCollection 2022年。《应用法律汇编》2020。 PMID：35707506 免费PMC文章。
充分的降维，同时估计时间到事件数据的有效维数。
Huang MY、Chan KCG。 Huang MY等。统计正弦。2020年7月；30(3):1285-1311. doi:10.5705/ss.202017.0550。统计正弦。2020 PMID：35529326 免费PMC文章。

工具书类

1. Cook RD.带二进制响应的回归图形。美国统计协会杂志。1996;91:983–992.
1. 库克RD.回归图形。威利；纽约：1998年。
1. Cook RD。测试预测因子在充分降维中的贡献。统计年鉴。2004;32:1062–1092.
1. Cook RD，Ni L.通过逆回归进行充分降维：最小差异方法。美国统计协会J。2005;100:410–428.
1. 英国皇家统计学会Cox DR.回归模型和寿命表（含讨论）J。1972;34:187–202.

赠款和资金

LinkOut-更多资源

全文源
- 欧洲PubMed Central
- 公共医学中心

[1] Cook RD.带二进制响应的回归图形。美国统计协会杂志。1996;91:983–992.

[2] Cook RD.带二进制响应的回归图形。美国统计协会杂志。1996;91:983–992.

[3] 库克RD.回归图形。威利；纽约：1998年。

[4] 库克RD.回归图形。威利；纽约：1998年。

[5] Cook RD。测试预测因子在充分降维中的贡献。统计年鉴。2004;32:1062–1092.

[6] Cook RD。测试预测因子在充分降维中的贡献。统计年鉴。2004;32:1062–1092.

[7] Cook RD，Ni L.通过逆回归进行充分降维：最小差异方法。美国统计协会J。2005;100:410–428.

[8] Cook RD，Ni L.通过逆回归进行充分降维：最小差异方法。美国统计协会J。2005;100:410–428.

[9] 英国皇家统计学会Cox DR.回归模型和寿命表（含讨论）J。1972;34:187–202.

[10] 英国皇家统计学会Cox DR.回归模型和寿命表（含讨论）J。1972;34:187–202.

将引文保存到文件

电子邮件引文

添加到集合

添加到我的书目

您保存的搜索

为外部引文管理软件创建文件

您的RSS源

截尾数据的逆回归估计

附属

截尾数据的逆回归估计

作者

附属

摘要

数字

类似文章

引用人

工具书类

赠款和资金

LinkOut-更多资源

全文源

摘要

数字

类似文章

引用人

工具书类

相关信息

赠款和资金

LinkOut-更多资源

全文源