超高维竞争风险模型的特征筛选 |
| |
引用本文: | 李二倩,梅波,田茂再.超高维竞争风险模型的特征筛选[J].中国科学:数学,2018(8). |
| |
作者姓名: | 李二倩 梅波 田茂再 |
| |
作者单位: | 中国人民大学应用统计科学研究中心;中国人民大学统计学院;新疆财经大学新疆社会经济统计研究中心;新疆财经大学统计与信息学院;兰州财经大学统计学院 |
| |
摘 要: | 在生存分析中,已有一些文献提出处理普通时间事件数据的Cox模型的超高维变量选择方法.然而,对于个体处在多个互斥事件的风险下,即存在竞争风险情形,并不能直接应用这些方法.一个分析竞争风险数据的常用模型就是比例子分布风险(proportional subdistribution hazard,PSH)模型.本文基于确定联合筛选(sure joint screening,SJS)和惩罚近似对数部分似然,对于超高维的PSH模型提出了两阶段变量选择方法,并证明了第一步特征筛选方法的确定筛选性质(sure screening property),即选出的变量集合以概率1渐近地包含实际的显著变量.本文通过Monte Carlo模拟展现了方法的性能和表现,并与确定独立筛选(sure independence screening)方法进行了比较.最后将方法应用到一个关于膀胱癌的公开数据集的分析中.
|
本文献已被 CNKI 等数据库收录! |
|