马丁·朱勒姆;尼尔斯·霍尔特 什么价格的半参数Cox回归? (英语) Zbl 1429.62436号 寿命数据分析。 25,第3号,406-438(2019). 概述:考克斯比例风险回归模型是用协变量对截尾寿命数据建模的标准方法。在其标准形式中,该方法依赖于半参数比例风险结构,未指定基线。当然,当参数化模型正确或接近正确时,也为基线风险指定参数化模型,从而生成完全参数化的Cox模型将更加有效。本文的目的是双重的。(a) 我们比较了参数模型和半参数模型在估计不同数量时的渐近相对效率。我们发现,对于某些量,限制模型空间的收益是可观的,而对于其他量,则可以忽略不计。(b) 为了在实践中处理此类选择,我们制定了特定的重点和平均重点信息标准(FIC和AFIC)。这些目标是为给定目的选择最合适的比例风险模型。当比较Kaplan-Meier和Nelson-Aalen估计量与参数估计量时,我们的方法也适用于无协变量的简单情况。还提供了对实际数据的应用,以及对我们方法的理论行为方面的分析。 引用于4文件 MSC公司: 62纳米01 审查数据模型 62纳米02 生存分析和删失数据中的估计 62号05 可靠性和寿命测试 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:Cox回归;集中信息标准;型号选择;参数学和半参数学;生存数据;截尾终身数据;集中信息标准 软件:inv高斯 PDF格式BibTeX公司 XML格式引用 \textit{M.Jullum}和\textit{N.L.Hjort},《寿命数据分析》。25,编号3,406-438(2019;兹bl 1429.62436) 全文: 内政部 链接 参考文献: [1] Aalen OO,Gjessing HK(2001)《理解危险率的形状:过程观点》(含讨论和反驳)。统计科学16:1-22·Zbl 1059.62613号 [2] Aalen OO、BorganØ、Gjessing HK(2008)《生存与事件历史分析:过程观点》。柏林施普林格·Zbl 1204.62165号 ·doi:10.1007/978-0-387-68560-1 [3] Andersen PK、BorganØ、Gill RD、Keding N(1993)基于计数过程的统计模型。柏林施普林格·Zbl 0769.62061号 ·doi:10.1007/978-1-4612-4348-9 [4] BorganØ(1984)参数计数过程模型中的最大似然估计,及其在截尾故障时间数据中的应用。扫描J统计11:1-16·Zbl 0546.62010号 [5] Breslow NE(1972)对D.R.Cox论文讨论的贡献。J R Stat Soc Ser B期刊34:216-217 [6] Claeskens G,Hjort NL(2003)《聚焦信息标准》【讨论和反驳】。美国统计协会杂志98:900-916·Zbl 1045.62003号 ·doi:10.1198/0162145000000819 [7] Claeskens G,Hjort NL(2008)模型选择和模型平均。剑桥大学出版社·Zbl 1166.62001号 ·doi:10.1017/CBO9780511790485 [8] Cox DR(1972)回归模型和生命表【讨论和反驳】。J R Stat Soc系列B 34:187-220·Zbl 0243.62041号 [9] Efron B(1977)删失数据的Cox似然函数的效率。美国统计协会杂志72:557-565·Zbl 0373.62020号 ·doi:10.1080/01621459.1977.10480613 [10] Hjort NL(1985)Bootstrapping Cox回归模型。斯坦福大学统计系,技术代表 [11] Hjort NL(1990)基于累积危险率的生命史数据模型中的拟合优度检验。安统计18:1221-1258·Zbl 0714.62037号 ·doi:10.1214/aos/1176347748 [12] Hjort NL(1992)关于参数生存数据模型中的推断。国际统计版次60:355-387·兹比尔0762.62009 ·doi:10.2307/1403683 [13] 荷兰霍尔特;Vonta,F.(编辑);Nikulin,M.(编辑);Limnios,N.(编辑);Huber-Carol,C.(ed.),线性风险回归模型的聚焦信息标准,487-502(2008),波士顿·doi:10.1007/978-0-8176-4619-6_34 [14] Hjort NL,Claeskens G(2003)《频繁模型平均估计量》[附讨论和反驳]。美国统计协会杂志98:879-899·Zbl 1047.62003年 ·doi:10.1198/0162145000000828 [15] Hjort NL,Claeskens G(2006)Cox风险回归模型的聚焦信息标准和模型平均。美国统计协会期刊101:1449-1464·Zbl 1171.62350号 ·doi:10.1198/016214500000069 [16] Hjort NL,Pollard DB(1993)凸过程极小值的渐近性。奥斯陆大学数学系,技术代表 [17] Jeong JH,Oakes D(2003)关于Cox模型估计的渐近相对效率。桑赫亚65:422-439·Zbl 1193.62170号 [18] Jeong JH,Oakes D(2005)不同风险比率对Cox模型渐近相对效率估计的影响。公共统计理论方法34:429-448·Zbl 1066.62097号 ·doi:10.1080/036109205093421 [19] Jullum M,Hjort NL(2017)参数或非参数:FIC方法。统计Sin 27:951-981·Zbl 1370.62012年 [20] Kalbfleisch JD,Prentice RL(2002)《失效时间数据的统计分析》,第2版。纽约威利·Zbl 1012.62104号 ·doi:10.1002/9781118032985 [21] Meier P,Karrison T,Chappell R,Xie H(2004)《Kaplan-Meier的价格》。美国统计协会杂志99:890-896·Zbl 1117.62400号 ·doi:10.1198/0162145000001259 [22] 米勒R(1983)卡普兰-梅耶的价格是多少?生物统计学39:1077-1081·Zbl 0532.62027号 ·doi:10.2307/2531341 [23] Oakes D(1977)截尾生存数据中的渐近信息。生物计量学64:441-448·Zbl 0389.62048号 ·doi:10.1093/biomet/64.3444 [24] van der Vaart A(2000)《渐近统计》。剑桥大学出版社·Zbl 0943.6202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。