一种用于破坏性治愈率模型的新非线性共轭梯度算法及模拟研究：以负二项竞争风险为例说明
统计理论
2020-07-07 v3 最优化与控制
统计理论
摘要
在本文中，我们提出一种基于带高效线搜索技术的投影非线性共轭梯度（PNCG）算法的新估计方法。我们针对在竞争风险设定下纳入比例治愈的生存模型开发了通用 PNCG 算法，其中初始竞争风险数量在初始治疗（称为破坏）后会被消除。在文献中，期望最大化（EM）算法已广泛用于对 such 模型估计模型参数。通过广泛的蒙特卡洛模拟研究，我们将所提出的 PNCG 与 EM 算法的性能进行比较，并展示我们所提方法的优势。通过模拟，我们还展示了所提方法相对于其他作为 R 软件包可轻易获得的优化算法（包括其他共轭梯度类方法）的优势。为此我们假设初始竞争风险数量服从负二项分布，尽管我们的通用算法允许使用任意竞争风险分布。最后，我们应用所提算法分析一组著名的黑色素瘤数据。
引用
@article{arxiv.1905.11379,
title = {A New Non-Linear Conjugate Gradient Algorithm for Destructive Cure Rate Model and a Simulation Study: Illustration with Negative Binomial Competing Risks},
author = {Suvra Pal and Souvik Roy},
journal= {arXiv preprint arXiv:1905.11379},
year = {2020}
}
备注
arXiv admin note: text overlap with arXiv:1905.05963