超高维生存数据中交互效应的非参数变量筛选法

在医学、遗传学、经济学等领域的研究中,线性回归模型常被用来研究变量间的回归关系,以进行分析和预测.而在很多实际问题中,仅仅考虑主效应的影响是远远不够的,变量之间的交互效应也会对因变量产生重要影响,同时考虑主效应和交互效应的交互模型能更全面地刻画变量之间的关系.在高维数据中,变量的个数p比较大,二阶交互项的个数(p(p+1))/2更大,此时对交互模型的统计分析存在很大的困难和挑战.如何从众多交互效应中挑选出对感兴趣事件有显著影响的重要交互效应是一个非常重要的问题.目前对此问题的研究主要集中在线性模型框架下的完全数据,本文将研究超高维右删失生存数据中重要交互效应的选取.基于距离相关系数和两步分析法的原理,本文提出了一种不依赖于任何模型假设的交互效应变量筛选方法.此方法可以同时实现重要主效应和重要交互效应的选取,且可以处理p很大的超高维数据.本文通过大量的数值模拟试验评估了该方法在有限样本下的表现,结果显示此方法能有效地处理超高维右删失数据中交互效应的选取问题.最后本文把它应用到弥漫性大b细胞淋巴瘤(DLBCL)数据的实例分析中.     

K型区间删失数据下参数的置信限

基于K型区间删失数据,利用样本空间排序法给出参数优良的置信下限和计算置信下限的递推公式.     

带有治愈亚组的区间删失数据的变量选择方法研究

带有治愈亚组的区间删失数据常见于周期性随访或检查的医学研究中,此时研究总体中有一部分个体不会发生所感兴趣的事件,而对于每个发生所感兴趣事件的个体,其事件的发生时间落入某一时间区间内而非被精确地观测到。此外,在实际问题中,我们时常会遇到协变量维数较高的情形,而如何进行变量选择以识别出对疾病发生有重要影响的因素十分重要。本文研究带有治愈亚组的区间删失数据的变量选择问题,我们采用最小近似信息准则方法并提出一种惩罚期望极大化算法来同时实现变量选择和参数估计,所提出方法的一个重要优点是在变量选择过程中无须选择最优调节参数。通过数值模拟,我们比较所提出方法与一般的正则化方法如LASSO,ALASSO,以及SCAD在有限样本下的表现。结果表明,所提出方法有很高的变量选择准确率且在计算上比LASSO,ALASSO和SCAD更加快速、高效。最后,我们将所提出方法应用到一组有关于尼日利亚新生儿童死亡率的区间删失数据中。     

Ⅰ型区间删失数据下产品可靠度的置信下限

本文针对Weibull分布情形下的Ⅰ型区间删失数据,提出了产品的可靠度的优良的置信下限的理论与计算方法。     

基于Weibull回归模型的逐步Ⅱ型区间删失数据的统计分析

文章考虑带有随机移除的逐步Ⅱ型区间删失(PICR-Ⅱ)方案下生存数据的统计分析和试验方案的设计问题.给出了Weibull回归模型参数的极大似然估计和贝叶斯估计方法.利用模拟数据和实际数据,对不同估计方法下参数估计的结果进行了比较.给出了最优PICR-Ⅱ方案设计方法.     

Cox模型中区间删失数据的参数估计

对区间删失数据下的Cox比例风险模型,利用极大似然方法得到参数估计量,通过牛顿法和坐标下降法分别求出极大似然估计量的数值解;同时,对两种方法进行实证分析比较,所得结果表明了估计的稳定性与可行性.     

广义指数比例风险模型下区间删失数据的贝叶斯估计

本文研究了失效时间服从广义指数分布,且风险率函数为比例风险模型时,II型区间删失数据的贝叶斯估计。假定参数的先验分布为无信息先验,建立贝叶斯层次模型从而得到后验密度函数。通过MH算法得到参数估计值,数值模拟结果验证了所提方法的有效性。最后将所提方法应用到乳腺癌患者和血友病患者这两个实际数据中进行分析。     

Ⅱ型区间删失数据下广义部分线性模型的筛极大似然估计(英文)

This article concerded with a semiparametric generalized partial linear model （GPLM） with the type Ⅱ censored data. A sieve maximum likelihood estimator （MLE） is proposed to estimate the parameter component, allowing exploration of the nonlinear relationship between a certain covariate and the response function. Asymptotic properties of the proposed sieve MLEs are discussed. Under some mild conditions, the estimators are shown to be strongly consistent. Moreover, the estimators of the unknown parameters are asymptotically normal and efficient, and the estimator of the nonparametric function has an optimal convergence rate.     

带有信息的区间删失数据下AFT模型的参数估计

在生存分析研究中,多数文章假定感兴趣的失效时间和删失时间是独立的,但这一假设在实际情况中未必合理。如果忽略失效时间与删失时间的相依性,可能会导致错误的结论。所以本文考虑在带有信息的K型区间删失数据下,采用基于两步估计的极大似然估计方法对误差项服从标准正态分布的加速失效时间模型(accelerated failure time model,AFT)进行参数估计。同时还进行了数值模拟以验证提出方法的有效性。最后,应用所提出的方法分析艾滋病的临床试验数据。     

双向删失数据情形下的置信限

设X_1,X_2,…,X_n是概率空间(Ω,f,P_e)(θ∈①)上的独立同分布随机变量列,共同分布函数是F(x,θ).(F(0,θ)=0).给定正数t_1,…,t_n及函数9(θ):①→[-∞,∞].设Y_i=l(X_i>t_i)(i=1,2,…,n),这里l_A是集合A的示性函数。本文中我们给出了9(θ)的基于观测值y=(y_1,y_2,…,y_n)的最优的置信下限,当①=((?),(?)) (-∞≤(?)<(?)≤∞)而且F(t_i,θ)是θ的严格减函数时,我们得到了计算最优置信限的有效方法。     

删失数据平滑非参数分位估计

文中在随机右删失意义下，对于未知分布函数的分位点，基于ＰＬ估计给出了一种平滑的非参数核分位估计，推导出了该估计的逐点和一致强弱Ｂａｈａｄｕｒ类型表示定理，并由此结果获得了平滑分位计的渐近正态性及重对数律等深刻结果。     

删失数据下医药费用的经验似然估计

生存时间数据删失问题是医药费用统计推断的一大难点,本文针对可以获得费用历史信息的情形,提出了在删失数据下医药费用的经验似然估计方法,给出在一定置信水平下感兴趣参数的置信区间.通过模拟,比较了在不同样本量下本文提出的方法与已有方法的表现,结果是我们的方法得到的置信区间更短,估计效果更好.同时,我们也针对一项心脏病实验的实际数据进行了相关分析和比较,得到满意的结果.     

随机右删失数据下半参数线性变换模型的经验似然推断北大核心CSCD

本文研究了响应变量随机右删失情形下半参数线性变换模型的经验似然推断问题.构造了参数的经验似然比检验统计量,证明了经验似然比检验统计量的渐近分布为加权卡方分布.在此基础上,对经验似然比检验统计量进行了调整,证明了调整的经验似然比检验统计量的渐近分布为标准的卡方分布.基于经验似然和调整的经验似然方法,分别给出了回归参数的一定置信水平的置信域.最后对本文的方法和传统的正态逼近方法进行了模拟比较,模拟结果显示,从置信域的大小和经验覆盖概率两个角度看,本文的方法均比正态逼近方法优越.     

协变量区间删失时线性模型的参数估计

本文研究了当协变量为区间数据时的线性模型，通过构造区间数据变量的条件均值，得到了回归参数的估计，当协变量的分布已知时，证明了估计的无偏性与强相合性．时协变量的分布未知的情形也作了讨论．文中还作了若干模拟计算，从模拟的结果不难发现，利用本文提出的方法所获得的估计简便且具有较高的精度．     

多重Ⅱ型删失数据场合 Logistic 分布参数的近似似然函数

在多重Ⅱ型删失数据场合,利用ML法做统计推断时,由于似然函数过于复杂,常遇到很大困难.通过文中方法我们获得了 Logistic 分布参数的近似似然函数,并在大样本场合,证明此似然函数以概率1收敛于原似然函数.     

左截断右删失数据下百分剩余寿命函数的非参数估计

在左截断右删失数据的模型中，文章讨论３了可靠性中一类重要的α－百分剩余寿命函数的非参数估计，证明了该估计的强一致相合性并获得了该仗垢弱收敛性结果。     

右删失数据下带协变量威布尔分布模型参数的估计

研究了数据右删失时威布尔分布刻度参数依赖于协变量情形下模型参数的估计问题,通过EM算法求解参数的极大似然估计.详细给出E步推导过程的同时,利用稳定的Gauss-Seidel迭代来实现M步.文章通过计算机模拟考察了所提方法在不同删失比例下的表现,并通过实例分析展示了该方法的应用.     

type Ⅱ双删失数据场合Burr Ⅻ分布参数贝叶斯估计的近似计算

在type Ⅱ双删失数据场合.讨论了双参数Burr Ⅻ分布参数在各种损失函数下贝叶斯估计的一种近似算法,最后给出数值例子.