×
侯、爵;杰琳娜·布拉迪奇;徐荣辉

高维协变量Fine-Gray竞争风险模型下的推断。 （英语） 兹比尔1434.62211

电子。J.统计。 13，第2号，4449-4507（2019）.
摘要：本文的目的是为Fine-Gray模型中的回归系数构造置信区间[J.P.罚款和R.J.格雷《美国统计协会期刊》第94卷第446、496–509号（1999年；Zbl 0999.62077号)]对于具有随机审查的竞争风险数据，协变量的数量可能大于样本大小。尽管生物医学应用的动机很强，但高维Fine-Gray模型在方法学或理论文献中的关注相对较少。我们通过基于正则化估计的一步偏差校正开发置信区间来填补这一空白。我们为部分可能性开发了一个理论框架，该框架没有独立和相同分布的条目，因此带来了许多技术挑战。我们还研究了随机截尾下加权方案在竞争风险下的近似误差，并建立了时间相关过程的新的集中结果。除了理论结果和算法外，我们还提供了广泛的数值实验，并应用于使用链接的Medicare-SEER数据研究前列腺癌患者的非癌症死亡率。

引用于1文件

MSC公司：

62号03 生存分析和审查数据中的测试
62层30 约束条件下的参数化推理
62J07型 岭回归；收缩估计器（拉索）
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

关键词：

\（p\）-值;高维推理;一步估计器;生存分析

引文：

Zbl 0999.62077号

软件：

cmprsk公司
PDF格式BibTeX公司 XML格式引用
\textit{J.Hou}等人，《电子》。J.Stat.13，No.2，4449-4507（2019；Zbl 1434.62211）
全文： 内政部 arXiv公司 欧几里得

参考文献：

[1] Basu，S.和Michailidis，G.（2015）。稀疏高维时间序列模型中的正则估计。，统计年鉴，43（4）：1535-1567·Zbl 1317.62067号 ·doi:10.1214/15-AOS1315
[2] Bellach，A.、Kosorok，M.R.、Rüschendorf，L.和Fine，J.P.（2018年）。竞争风险细分的加权NPMLE。，美国统计协会杂志，第页（在线访问）·Zbl 1478.62291号 ·doi:10.1080/01621459.2017.1401540
[3] Belloni，A.和Chernozhukov，V.（2011年）。高维稀疏模型中的l1-惩罚分位数回归。，统计年鉴，39（1）：82-130·Zbl 1209.62064号 ·doi:10.1214/10-AOS827
[4] Bickel，P.J.、Ritov，Y.和Tsybakov，A.B.（2009年）。LASSO和Dantzig选择器的同时分析。，统计年鉴，37（4）：1705-1732·Zbl 1173.62022号 ·doi:10.1214/08-AOS620
[5] Binder，H.、Allignol，A.、Schumacher，M.和Beyersmann，J.（2009）。以竞争风险推动高维时间到事件数据。，生物信息学，25（7）：890-896。
[6] Bradic，J.、Fan，J.和Jiang，J.（2011）。具有NP维的Cox比例风险模型的正则化。，《统计年鉴》，39（6）：3092-3120·Zbl 1246.62202号 ·doi:10.1214/11-AOS911
[7] Bradic，J.和Song，R.（2015）。非参数Cox模型的结构化估计。，《电子统计杂志》，9（1）：492-534·Zbl 1312.62041号 ·doi:10.1214/15-EJS1004
[8] Bühlmann，P.和van de Geer，S.（2011）。，高维数据统计：方法、理论和应用。施普林格科技与商业媒体·Zbl 1273.62015年
[9] Cho，H.和Fryzlewicz，P.（2015）。基于稀疏二进制分割的高维时间序列多变点检测。，英国皇家统计学会杂志：B辑（统计方法），77（2）：475-507·Zbl 1414.62356号 ·doi:10.1111/rssb.12079
[10] Durrett，R.（2010）。，概率：理论与实例，第4版。剑桥大学出版社·Zbl 1202.60001号
[11] Fan，J.和Li，R.（2001）。基于非冲突惩罚似然及其oracle属性的变量选择。，美国统计协会杂志，96（456）：1348-1360·Zbl 1073.62547号 ·doi:10.1198/016214501753382273
[12] Fan，J.和Lv，J.（2010）。高维特征空间中变量选择的选择性概述。，中国统计，20（1）：101-148·Zbl 1180.62080号
[13] Fang，E.X.、Ning，Y.和Liu，H.（2017）。高维比例风险模型的测试和置信区间。，英国皇家统计学会杂志：B辑（统计方法），79:1415-1437·Zbl 1380.62240号 ·doi:10.1111/rssb.12224
[14] Fine，J.P.和Gray，R.J.（1999）。竞争风险细分的比例风险模型。，《美国统计协会杂志》，94:496-509·Zbl 0999.62077号 ·doi:10.1080/01621459.1999.10474144
[15] Gaíffas，S.和Guilloux，A.（2012年）。高维加性危险模型和套索。，《电子统计杂志》，6:522-546·Zbl 1274.62655号 ·doi:10.1214/12-EJS681
[16] 霍夫丁（1963）。有界随机变量和的概率不等式。，美国统计协会杂志，58（301）：13-30·Zbl 0127.10602号 ·doi:10.1080/01621459.1963.10500830
[17] Hou，J.、Paravati，A.、Hou，J、Xu，R.和Murphy，J.（2018）。竞争风险下的高维变量选择和预测及其在SEER-Medicare关联数据中的应用。，医学统计学，37:3486-3502。
[18] Huang，J.、Ma，S.和Xie，H.（2006）。高维协变量加速失效时间模型中的正则估计。，生物统计学，62（3）：813-820·Zbl 1111.62090号 ·doi:10.1111/j.1541-0420.2006.00562.x
[19] Huang，J.、Sun，T.、Ying，Z.、Yu，Y.和Zhang，C.-H.（2013）。Cox模型中LASSO的Oracle不等式。，《统计年鉴》，41（3）：1142-1165·Zbl 1292.62135号 ·doi:10.1214/13-AOS1098
[20] Johnson，B.A.（2008）。截尾数据下半参数线性回归中的变量选择。，英国皇家统计学会杂志：B辑（统计方法），70（2）：351-370·Zbl 1148.62052号 ·doi:10.1111/j.1467-9868.2008.00639.x
[21] Kalbfleisch，J.D.和Prentice，R.L.（2002）。，失效时间数据的统计分析（第二版）。John Wiley&Sons，Inc.，新泽西州霍博肯·Zbl 1012.62104号
[22] Lemler，S.（2016）。高维乘法Aalen强度模型中套索的Oracle不等式。，《亨利·庞加莱研究所年鉴》，概率与统计，52（2）：981-1008·Zbl 1342.62158号 ·doi:10.1214/14-AIHP662
[23] Meinshausen，N.和Bühlmann，P.（2006）。高维图和使用套索的变量选择。，《统计年鉴》，第1436-1462页·Zbl 1113.62082号 ·doi:10.1214/0090536000000281
[24] Meinshausen，N.和Yu，B.（2009年）。高维数据稀疏表示的Lasso类型恢复。，《统计年鉴》，第246-270页·Zbl 1155.62050号 ·doi:10.1214/07-AOS582
[25] Murphy，S.A.（1994年）。包含随机效应的比例风险模型的一致性。，《统计年鉴》，22（2）：712-731·Zbl 0827.62033号 ·doi:10.1214操作系统/1176325492
[26] Obozinski，G.、Wainwright，M.J.和Jordan，M.I.（2011年）。支持高维多元回归中的联合恢复。，统计年鉴，39（1）：1-47·Zbl 1373.62372号 ·doi:10.1214/09-AOS776
[27] Ravikumar，P.、Wainwright，M.J.和Lafferty，J.D.（2010年）。基于l1-正则化logistic回归的高维ising模型选择。，《统计年鉴》，38（3）：1287-1319·Zbl 1189.62115号 ·doi:10.1214/09-AOS691
[28] Riviere，P.、Tokeshi，C.、Hou，J.、Nalawade，V.、Sarkar，R.、Paravati，A.J.、Schiaffio，M.、Rose，B.、Xu，R.和Murphy，J.D.（2019年）。基于索赔的方法预测前列腺癌患者的特定病因生存率。，JCO临床癌症信息学，（3）：1-7。
[29] Sason，I.（2013）。关于Azuma-Hoeffding不等式的改进版本及其在信息论中的应用。，ArXiv电子版：1704.07989。
[30] Sun，H.、Lin，W.、Feng，R.和Li，H.（2014）。用于基因组数据分析的网络化高维Cox回归。，中国统计，24（3）：1433-1459·Zbl 06431838号
[31] 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（统计方法），58（1）：267-288·Zbl 0850.62538号 ·doi:10.1111/j.2517-6161.1996.tb02080.x
[32] van de Geer，S.和Bühlmann，P.（2009）。根据用于证明Lasso.的oracle结果的条件。，《电子统计杂志》，3:1360-1392·Zbl 1327.62425号 ·doi:10.1214/09-EJS506
[33] van de Geer，S.、Bühlmann，P.、Ritov，Y.和Dezeure，R.（2014）。关于高维模型的渐近最优置信域和检验。，《统计年鉴》，42（3）：1166-1202·Zbl 1305.62259号 ·doi:10.1214/14-AOS1221
[34] Wasserman，L.和Roeder，K.（2009年）。高维变量选择。，《统计年鉴》，37（5A）：2178-2201·Zbl 1173.62054号 ·doi:10.1214/08-AOS646
[35] Yu，Y.、Bradic，J.和Samworth，R.J.（2019年）。高维Cox模型的置信区间。，出现在《中国统计》上·Zbl 1464.62351号
[36] Zhang，C.-H.和Zhang、S.S.（2014）。高维线性模型中低维参数的置信区间。，英国皇家统计学会杂志：B辑（统计方法），76（1）：217-242·Zbl 1411.62196号 ·doi:10.1111/rssb.12026
[37] Zhou，S.、Rütimann，P.、Xu，M.和Bühlmann，P（2011）。基于高斯图形模型的高维协方差估计。，机器学习研究杂志，12:2975-3026·Zbl 1280.62065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。