中文

基于诱导平滑的删失断裂自适应岭秩回归

统计方法学 2026-06-30 v1
作者: Suyeon Seon , Dipankar Bandyopadhyay , Seongoh Park , Dongha Kim , Taehwa Choi
在 arXiv 上查看 ↗ PDF ↗

摘要

断裂自适应岭(BAR)惩罚通过L2惩罚的迭代重新加权来逼近L0正则化。这种惩罚同时具有oracle性质和高度相关协变量的分组效应，使其对于预测变量之间具有复杂依赖性的惩罚回归特别有吸引力。在本文中，我们为具有右删失数据的半参数加速失效时间模型开发了一种BAR惩罚线性秩回归方法。通过对非光滑的Gehan型秩估计函数应用诱导平滑来实现计算可行性，从而为估计和推断产生更稳定的框架。对于可扩展的惩罚，我们开发了一种循环坐标下降算法，该算法最小化惩罚目标函数，并以坐标方式估计回归系数。我们进一步将所提出的方法扩展到更复杂的生存终点，例如多元部分区间删失(PIC)数据。在温和条件下，所提出的估计量满足oracle性质和分组效应，并且信息系数的方差估计量可以解析形式导出。使用合成数据的数值研究将我们的方法与几种众所周知的惩罚进行比较，并展示了其在各种场景下优越的选择准确性和估计效率。此外，对原发性胆汁性肝硬化的右删失结果和结直肠癌的相关PIC结果的应用进一步说明了所提出方法的实用性。用于实现该方法的R包aftPenCDA可在R CRAN上获得。

关键词

断裂自适应岭 秩回归 加速失效时间模型 右删失 oracle性质 分组效应 诱导平滑

引用

@article{arxiv.2606.31094,
  title  = {Censored broken adaptive ridge rank regression via induced smoothing},
  author = {Suyeon Seon and Dipankar Bandyopadhyay and Seongoh Park and Dongha Kim and Taehwa Choi},
  journal= {arXiv preprint arXiv:2606.31094},
  year   = {2026}
}