面向右删失生存数据的断棍自适应岭回归
统计方法学
2020-11-30 v1
摘要
断棍自适应岭(BAR)是 惩罚回归的一种计算可扩展替代方法，它迭代地执行重新加权的 惩罚回归，兼具 与 惩罚回归的一些优良性质，同时避免了它们各自的某些局限。本文我们将 BAR 方法推广至用于右删失生存数据的半参数加速失效时间(AFT)模型。具体而言，我们将 BAR 算法应用于 Leurgan 合成数据，提出一种删失 BAR (CBAR) 估计量，并证明所得 CBAR 估计量在变量选择上是一致的，在参数估计上具有 oracle 性质，且对高度相关协变量具有分组性质。我们考虑了低维与高维协变量情形。通过模拟实验，我们展示了所提方法的有效性，并与一些流行的惩罚方法进行了比较。我们还基于弥漫性大 B 细胞淋巴瘤数据与多形性胶质母细胞瘤数据提供了真实数据例证。
引用
@article{arxiv.2011.13646,
title = {Broken Adaptive Ridge Regression for Right-Censored Survival Data},
author = {Zhihua Sun and Yi Liu and Kani Chen and Gang Li},
journal= {arXiv preprint arXiv:2011.13646},
year = {2020}
}