基于界标超模型和提升树的高维时变协变量事件史分析
统计理论
2026-01-27 v1 统计方法学
统计理论
摘要
我们提出了一种非参数方法，用于处理具有高维时变协变量的事件史分析中的动态预测。该方法通过结合界标超模型与梯度提升树来估计未来条件风险。与联合建模或 Cox 界标模型不同，所提出的估计器能够灵活地捕捉交互作用和非线性效应，而无需施加限制性的参数假设或要求协变量过程是马尔可夫的。我们将该方法表述为筛 M-估计量，并建立了弱相合性。在计算上，该问题简化为泊松回归，从而可以通过标准梯度提升软件实现。一个关键的理论优势在于该方法避免了界标 Cox 模型中可能出现的时间不一致性。模拟研究表明，该方法在各种设置下表现良好，并通过原发性胆汁性肝硬化数据的分析展示了其实用价值。
引用
@article{arxiv.2601.17605,
title = {Event history analysis with time-dependent covariates via landmarking supermodels and boosted trees},
author = {Oliver Lunding Sandqvist},
journal= {arXiv preprint arXiv:2601.17605},
year = {2026}
}