高维协变量Cox模型中基于模型选择的基线风险函数自适应估计
统计理论
2015-03-04 v2 应用统计
统计理论
摘要
本文旨在为带有高维协变量的Cox模型中的基线函数提供一个自适应估计量。我们考虑一个两步过程：首先，基于偏对数似然通过Lasso过程估计Cox模型的回归参数；其次，将该Lasso估计量代入一个最小二乘型准则，然后执行模型选择过程，从而得到基线函数的自适应惩罚对比估计量。利用针对回归参数Lasso估计量给出的非渐近估计结果，我们建立了该基线函数惩罚对比估计量的非渐近oracle不等式，其揭示了当协变量维度增加时收敛速度的偏差。
引用
@article{arxiv.1503.00226,
title = {Adaptive estimation of the baseline hazard function in the Cox model by model selection, with high-dimensional covariates},
author = {Agathe Guilloux and Sarah Lemler and Marie-Luce Taupin},
journal= {arXiv preprint arXiv:1503.00226},
year = {2015}
}