Institutional Repository of School of Statistics
| 超高维竞争风险模型的特征筛选 | |
李二倩; 梅波; 田茂再
| |
| 2018-08-10 | |
| 发表期刊 | 中国科学:数学
 |
| 期号 | 8页码:1061-1086 |
| 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. |
| 关键词 | 竞争风险 特征筛选 超高维变量 部分似然逼近 生存分析 |
| URL | 查看原文 |
| ISSN | 1674-7216 |
| 语种 | 中文 |
| 来源期刊等级 | C1类 |
| 文献类型 | 期刊论文 |
| 条目标识符 | http://ir.lzufe.edu.cn/handle/39EH0E1M/11242 |
| 专题 | 统计与数据科学学院 |
| 作者单位 | 1.中国人民大学应用统计科学研究中心; 2.中国人民大学统计学院; 3.新疆财经大学新疆社会经济统计研究中心; 4.新疆财经大学统计与信息学院; 5.兰州财经大学统计学院 |
| 推荐引用方式 GB/T 7714 | 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):1061-1086. |
| APA | 李二倩,梅波,&田茂再.(2018).超高维竞争风险模型的特征筛选.中国科学:数学(8),1061-1086. |
| MLA | 李二倩,et al."超高维竞争风险模型的特征筛选".中国科学:数学 .8(2018):1061-1086. |
| 条目包含的文件 | ||||||
| 文件名称/大小 | 文献类型 | 版本类型 | 开放类型 | 使用许可 | ||
| 28359.pdf（992KB） | 期刊论文 | 出版稿 | 暂不开放 | CC BY-NC-SA | 请求全文 | |
| 个性服务 |
| 查看访问统计 |
| 谷歌学术 |
| 谷歌学术中相似的文章 |
| [李二倩]的文章 |
| [梅波]的文章 |
| [田茂再]的文章 |
| 百度学术 |
| 百度学术中相似的文章 |
| [李二倩]的文章 |
| [梅波]的文章 |
| [田茂再]的文章 |
| 必应学术 |
| 必应学术中相似的文章 |
| [李二倩]的文章 |
| [梅波]的文章 |
| [田茂再]的文章 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论