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。