基于惩罚Tobit似然的高维删失回归
统计方法学
2023-03-20 v4
摘要
高维回归与具有左删失响应的回归均是研究充分的主题。尽管如此，同时处理这两种复杂情况的方法鲜有提出。Tobit模型——长期以来经济学中删失回归的标准方法——尚未被适配于高维回归。为填补此空白并将高维统计的现化技术引入高维左删失回归领域，我们提出若干惩罚Tobit模型。我们开发了一种快速算法，结合二次最小化与坐标下降来计算惩罚Tobit解路径。在理论上，我们分析了Tobit lasso与带折叠凹惩罚的Tobit，对前者界定了估计损失，并证明后者的局部线性近似估计量具有强 oracle 性质。通过广泛的模拟研究，我们发现惩罚Tobit模型比其他方法提供更准确的预测与参数估计。我们使用惩罚Tobit模型分析来自AIDS临床试验组的HIV病毒载量高维左删失数据，并识别HIV基因组中潜在的耐药突变。附录包含中间理论结果与技术性证明。
引用
@article{arxiv.2203.02601,
title = {High-dimensional Censored Regression via the Penalized Tobit Likelihood},
author = {Tate Jacobson and Hui Zou},
journal= {arXiv preprint arXiv:2203.02601},
year = {2023}
}