×

部分间隔截尾加性风险模型的最大惩罚似然估计。 (英语) 兹比尔1507.62106

摘要:具有区间截尾生存数据的加性危害模型的现有似然方法是有限的,并且经常忽略对危害的非负约束。本文提出了一种最大惩罚似然法来拟合具有区间删失的加性风险模型。我们的方法首先使用有限个非负基函数对基线风险进行建模,然后通过最大化惩罚对数似然函数来同时估计回归系数和基线风险,其中引入惩罚函数来规范基线风险估计。在评估过程中,对基线危害和每个受试者的危害都施加了非负约束。采用原对偶内点算法求解约束优化问题。得到了该方法的渐近性质,并对其进行了仿真研究。

MSC公司:

62-08 统计问题的计算方法
62G05型 非参数估计
62号02 生存分析和删失数据中的估计
62页第10页 统计学在生物学和医学中的应用;元分析

软件:

半标准杆
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Aalen,O.O.,《寿命分析的线性回归模型》,《Stat.Med.》,第8907-925页(1989年)
[2] Chen,L。;Sun,J.,利用加性风险模型分析间隔相关失效时间数据的多重插补方法,计算。统计师。数据分析。,54, 1109-1116 (2010) ·Zbl 1464.62044号
[3] 赞扬,D。;Joly,P。;Gégout-Petit,A。;Liquet,B.,从粗化观测值中选择马尔可夫和非马尔可夫多状态模型的半参数估计,Scand。J.Stat.,34,33-52(2007)·Zbl 1142.62054号
[4] Cox,D.R.,回归模型和生命表,J.R.Stat.Soc.Ser。B统计方法。,187-220 (1972) ·Zbl 0243.62041号
[5] Farrington,C.,《区间删失生存数据:广义线性建模方法》,《统计医学》,第15、3、283-292页(1996年)
[6] Ghosh,D.,《当前状态数据加性危险模型中的效率考虑》,Stat.Neerl。,55, 3, 367-376 (2001) ·Zbl 1075.62635号
[7] Green,P.J。;Silverman,B.W.,《非参数回归和广义线性模型——粗糙度惩罚方法》(1994),查普曼和霍尔:查普曼与霍尔伦敦·兹比尔0832.62032
[8] 黄,J.,带区间删失的比例风险模型的有效估计,Ann.Statist。,24, 2, 540-568 (1996) ·Zbl 0859.62032号
[9] Kim,J.S.,部分区间截尾数据的比例风险模型的最大似然估计,J.R.Stat.Soc.Ser。B统计方法。,第65,2489-502页(2003年)·兹比尔1065.62170
[10] Lin,D。;Ying,Z.,加性风险模型的半参数分析,Biometrika,81,1,61-71(1994)·兹比尔0796.62099
[11] 林赛,J.C。;Ryan,L.M.,《间隔感知数据的方法》,《统计医学》,17,2,219-238(1998)
[12] 摩尔,T。;萨德勒,B。;Kozick,R.,《最大似然估计、cramer-rao界和带参数约束的评分方法》,IEEE Trans。信号处理。,56, 895-908 (2008) ·Zbl 1390.94310号
[13] Ruppert,D。;Wand,M.P。;Carroll,R.J.,半参数回归(2003),剑桥:剑桥纽约·兹比尔1038.62042
[14] Sun,W。;袁永新,《优化理论与方法:非线性规划》,第1卷(2006),施普林格出版社·邮编1129.90002
[15] Wright,S.J.,《原始-双重内点方法》,第54卷(1997年),SIAM·Zbl 0863.65031号
[16] 徐,J。;马,J。;康纳斯,M.H。;Brodaty,H.,使用copulas和惩罚似然进行相依截尾下的比例风险模型估计,Stat.Med.,372238-2251(2018)
[17] 薛,H。;Lam,K。;Li,G.,《当前数据下半参数回归模型的筛选最大似然估计》,J.Amer。统计师。协会,99,346-356(2004)·Zbl 1117.62449号
[20] Zhang,Y。;Hua,L。;Huang,J.,一种基于样条的半参数极大似然估计方法,用于具有区间敏感数据的cox模型,Scand。《美国联邦法律大全》,第37、2、338-354页(2010年)·Zbl 1224.62108号
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配,并且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。