×
施、岳勇;徐德毅;曹永秀;焦玉玲

通过广义SELO-惩罚Cox回归模型进行变量选择。 （英语） Zbl 1416.62558号

J.系统。科学。复杂。 32，第2号，709-736（2019）.
摘要：无缝-\（L_0\）（SELO）罚分是一个光滑函数，与\（L_0\）罚分非常相似，理论和实践证明它在变量选择的非凸罚分中是有效的。本文首先将SELO惩罚推广到一类保留SELO良好特征的惩罚，然后使用所提出的广义SELO（GSELO）惩罚对数部分似然（PPL）方法在Cox模型中进行变量选择和参数估计。作者证明，GSELO-PPL过程在某些温和的、可解释的正则性条件下具有预言性质，且预测因子的数目发散。GSELO-PPL估计的整个路径可以通过具有连续性的平滑准牛顿（SQN）算法有效地计算。作者提出了GSELO-PPL的一致修正BIC（MBIC）调谐参数选择器，并表明在某些正则性条件下，GSELOPPL-MBIC过程一致地识别真实模型。通过仿真研究和实际数据分析，评估了该方法的有限样本性能。

引用于1文件

MSC公司：

62号02 生存分析和删失数据中的估计
2007年6月62日 岭回归；收缩估计器（拉索）

关键词：

延续;考克斯模型;广义SELO;修改后的BIC;惩罚可能性;光滑拟牛顿;变量选择;回归，回归

软件：

生存;稀疏的
PDF格式BibTeX公司 XML格式引用
\textit{Y.Shi}等人，J.Syst。科学。复杂。32，编号2，709--736（2019；Zbl 1416.62558）
全文： 内政部

参考文献：

[1] Cox D R，回归模型和寿命表（含讨论），J.R.Stat.Soc.Ser。B统计方法。，1972, 34(2): 187-220. ·Zbl 0243.62041号
[2] Tibshirani R，《考克斯模型中变量选择的套索方法》，《统计医学》，1997年，16（4）：385-395·doi:10.1002/（SICI）1097-0258（19970228）16:4<385:：AID-SIM380>3.0.CO；2-3
[3] Fan J和Li R，Cox比例风险模型和脆弱性模型的变量选择，《统计年鉴》，2002，30（1）：74-99·Zbl 1012.62106号 ·doi:10.1214/aos/1015362185
[4] 蔡J，樊J，李荣，等，多变量失效时间数据的变量选择，生物统计学，2005，92（2）：303-316·Zbl 1094.62123号 ·doi:10.1093/biomet/92.2.303
[5] 张海海，陆伟，考克斯比例风险模型的自适应套索，生物统计学，2007，94（3）：691-703·Zbl 1135.62083号 ·doi:10.1093/biomet/asm037
[6] Dicker L，Huang B，and Lin X，变量选择和无缝估计-L0惩罚，统计师。Sinica，2013，23:929-962·Zbl 1433.62068号
[7] Fan J和LüJ，高维特征空间中变量选择的选择性概述，Statist。Sinica，2010，20（1）：101-148·Zbl 1180.62080号
[8] Li Z，Wang S和Lin X，具有无缝L0惩罚的广义线性模型中的变量选择和估计，Canad。J.统计。，2012, 40(4): 745-769. ·兹比尔1348.62206 ·doi:10.1002/cjs.1165
[9] Zhang H、Sun J和Wang D，通过无缝L0惩罚对多元面板计数数据进行变量选择和估计，加拿大。J.统计。，2013, 41(2): 368-385. ·Zbl 1273.62124号 ·doi:10.1002/cjs.11172
[10] Ciuperca G，具有无缝L0惩罚的高维分位数回归中的模型选择，统计。普罗巴伯。莱特。，2015, 107: 313-323. ·Zbl 1328.62147号 ·doi:10.1016/j.spl.2015.09.011
[11] Nikolova M，正则估计的局部强同质性，SIAM J.Appl。数学。，2000, 61(2): 633-658. ·Zbl 0991.94015号 ·doi:10.1137/S00361399997327794
[12] 吕，J。；Fan，Y.，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，37（2009）·Zbl 1369.62156号
[13] Nocedal J和Wright S，《数值优化》，第2版，Springer，纽约，2006年·Zbl 1104.65059号
[14] Shi Y，Cao Y，Jiao Y，et al.，带发散参数的Cox比例风险模型的SICA，Acta Math。申请。罪。英语。序列号。，2014, 30(4): 887-902. ·Zbl 1305.62194号
[15] 曹毅，焦毅，石毅，等，基于无缝L0惩罚的Cox比例风险模型惩罚变量选择方法，科学。罪。数学。，2018, 48(5): 643-660. ·Zbl 1499.62350号 ·doi:10.1360/SCM-2016-0609
[16] Chen X，非光滑方程光滑拟Newton方法的超线性收敛性，J.Compute。申请。数学。，1997, 80(1): 105-126. ·Zbl 0881.65042号 ·doi:10.1016/S0377-0427（97）80133-1
[17] Chen X，非光滑、非凸最小化的平滑方法，数学。程序。，2012, 134(1): 71-99. ·Zbl 1266.90145号 ·doi:10.1007/s10107-012-0569-0
[18] 马朝峰，优化方法及其Matlab程序设计，科学出版社，北京，2010。
[19] Fan J和Peng H，参数个数不同的非符合惩罚似然，Ann.Stat.，2004，32（3）：928-961·兹比尔1092.62031 ·doi:10.1214/009053604000000256
[20] Zou H、Hastie T和Tibshirani R，《关于套索的“自由度”》，Ann.Statist。，2007, 35(5): 2173-2192. ·Zbl 1126.62061号 ·doi:10.1214/009053600700000127
[21] 石毅，焦毅，严磊，等，具有发散维数的SICA惩罚Cox回归模型的改进BIC调整参数选择器，数学学报。，2017, 37(4): 723-730. ·Zbl 1399.62123号
[22] Jiao Y，Jin B，and Lu X，带连续算法的原对偶活动集，用于0正则优化问题，应用。计算。哈蒙。分析。，2015, 39: 400-426. ·Zbl 1329.49042号 ·doi:10.1016/j.acha.2014.10.001
[23] Jiao Y，Jin B，Lu X，et al.，一类非凸稀疏优化的原对偶活动集算法，arXiv预印本arXiv:1310.1147v32016。
[24] Jiao Y、Jin B和Lu X，通过惩罚进行群稀疏恢复：理论和算法，IEEE Trans。信号处理。，2017, 65(4): 998-1012. ·Zbl 1414.94280号 ·doi:10.1109/TSP.2016.2630028
[25] Jiao Y、Jin B和Lu X，稀疏恢复的同伦连续迭代软/硬阈值，IEEE信号处理。莱特。，2017, 24(6): 784-788. ·doi:10.1109/LSP.2017.2693406
[26] 石毅，黄杰，焦毅，等，非凸惩罚线性回归的半光滑牛顿算法，arXiv预印本arXiv:1802.08895v12018。
[27] Hosmer D W、Lemeshow S和May S，应用生存分析：时间到事件数据的回归建模，第2版，威利，纽约，2008年·Zbl 1136.62060号 ·数字对象标识代码：10.1002/9780470258019
[28] Therneau T，S生存分析软件包，R软件包版本2.39-5。
[29] 石毅，曹毅，于杰，等，基于广义SELO-惩罚线性回归模型的变量选择，应用。数学。J.中国大学。B、 2018年，33（2）：145-162·Zbl 1399.62050号 ·doi:10.1007/s11766-018-3496-x
[30] 林伟，吕杰，高维稀疏加性风险回归，J.Amer。统计师。协会，2013108（501）：247-264·Zbl 06158340号 ·doi:10.1080/01621459.2012.746068
[31] Lu Y，Zhang R，Hu B，单指标模型的自适应LASSO样条估计，系统科学与复杂性杂志，2016，29（4）：1100-1111·Zbl 1348.62140号 ·doi:10.1007/s11424-015-4014-3
[32] Breheny P，双层变量选择的群指数套索，生物计量学，2015，71（3）：731-740·Zbl 1419.62316号 ·doi:10.1111/biom.12300
[33] 黄杰，刘磊，刘毅，等，协变量数目发散的Cox模型中的群选择，统计学家。Sinica，2014，24:1787-1810·Zbl 1480.62047号
[34] 樊J，薛磊，邹华，折叠凹惩罚估计的强预言最优性，《统计年鉴》，2014，42（3）：819-849·Zbl 1305.62252号 ·doi:10.1214/13-AOS1198
[35] 黄J，孙T，英Z，等，考克斯模型中套索的Oracle不等式，《统计年鉴》，2013，41（3）：1142-1165·Zbl 1292.62135号 ·doi:10.1214/13-AOS1098
[36] 邹H和李R，非冲突惩罚似然模型中的一步稀疏估计，Ann.Statist。，2008, 36(4): 1509-1533. ·Zbl 1142.62027号 ·doi:10.1214/0090536007000000802
[37] Breheny P和Huang J，非凸惩罚回归的坐标下降算法，及其在生物特征选择中的应用，Ann.Appl。统计，2011年，5（1）：232-253·Zbl 1220.62095号 ·doi:10.1214/10-AOAS388
[38] Mazumder R、Friedman J和Hastie T，《斯巴塞内特：协调下降与非凸罚分》，J.Amer。统计师。协会，2011，106（495）：1125-1138·Zbl 1229.62091号 ·doi:10.1198/jasa.2011.tm09738
[39] Shi Y，Jiao Y，Cao Y，et al.，高维数据MCP惩罚回归的交替方向乘数法，Acta Math。罪。英语。序列号。，2018, https://doi.org/10.1007网址/s10114-018-7096-8·Zbl 1407.62263号 ·doi:10.1007/s10114-018-7096-8
[40] 石毅，吴毅，徐德，等，高维非凸SICA惩罚回归的带连续算法的ADMM，《统计计算杂志》。模拟。，2018, 88(9): 1826-1846. ·Zbl 07192632号 ·doi:10.1080/0949655.2018.1448397
[41] Tibshirani R，通过Lasso，J.R.Stat.Soc.Ser进行回归收缩和选择。B统计方法。，1996年，58（1）：267-288·Zbl 0850.62538号
[42] Fan J和Li R，通过非冲突惩罚似然选择变量及其预言性质，J.Amer。统计师。协会，2001，96（456）：1348-1360·兹比尔1073.62547 ·doi:10.1198/016214501753382273
[43] 张春华，极小极大凹罚下的几乎无偏变量选择，安统计学家。，2010, 38(2): 894-942. ·Zbl 1183.62120号 ·doi:10.1214/09-AOS729
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。