用于亚组分析的凹成对融合方法
统计方法学
2015-08-31 v1
摘要
制定个体化治疗策略的一个重要步骤是正确识别异质性人群的亚组，以便为每个亚组提供特定的治疗。在本文中，我们考虑了从包含具有不同均值的亚群以及某些协变量的人群中抽取样本的情况。我们提出了一种基于回归模型的亚组分析惩罚方法，其中异质性由未观测的潜在因子驱动，因此可以通过使用受试者特异性截距来表示。我们将凹惩罚函数应用于截距的成对差。该过程自动将观测结果划分为亚组。我们开发了一种带凹惩罚的交替方向乘子法算法来实现所提出的方法，并证明了其收敛性。我们还建立了所提出估计量的理论性质，并确定了为恢复组间信号所需的最小信号差异的量级要求。这些结果为在亚组分析中进行统计推断提供了坚实的基础。我们提出的方法进一步通过模拟研究和 Cleveland 心脏病数据集的分析得到了说明。
引用
@article{arxiv.1508.07045,
title = {A concave pairwise fusion approach to subgroup analysis},
author = {Shujie Ma and Jian Huang},
journal= {arXiv preprint arXiv:1508.07045},
year = {2015}
}