科研之友
微信
新浪微博
Facebook
分享链接
摘要
当协变量数目较多时,变量选择对模型构建至关重要.近年来,以LASSO为代表的各种惩罚变量选择方法备受关注,但生存分析领域的惩罚变量选择方法研究大多基于Cox比例风险模型,且研究对象多为右删失数据.文章对当前状态数据(也称Ⅰ型区间删失数据)在可加风险模型下的变量选择方法进行研究.在失效时间服从可加风险模型及观测时间与协变量相关的假定下,从计数过程的角度来构造风险函数,并给出一种基于重复迭代加权的BAR (Broken Adaptive Ridge)惩罚似然变量选择方法,证明了Oracle性质.通过模拟实验来比较BAR与其他常用惩罚似然方法在变量选择方面的效果,最后利用文章提出的方法分析一项阿尔茨海默病的研究数据.模拟实验和实证分析都表明了BAR方法在变量选择方面表现良好.
-
单位中南财经政法大学; 数学学院
