稀有事件分析：Logistic 和 Cox 回归的最优亚样本大小
统计方法学
2024-06-21 v1
摘要
在当今数据分析领域，大数据集的使用正变得尤为重要，尽管这往往需要承担巨大的计算时间和内存开销。虽然已有多项工作提供了用于在亚样本上进行分析的optimal 亚样本方法，以最小化效率损失，但这些方法明显缺乏用于智能选择optimal 亚样本大小的工具。为弥合这一差距，我们的工作引入了用于选择optimal 亚样本大小的工具。我们关注三个场景：针对稀有事件的生存数据进行的 Cox 回归模型，以及用于平衡和不平衡数据集的 logistic 回归。此外，我们提出了一种专为不平衡数据集上的 logistic 回归设计的新型optimal 亚样本程序。通过大量仿真研究和对两个大型数据集的精细分析，展示了这些工具和程序的有效性。
引用
@article{arxiv.2406.13836,
title = {Mastering Rare Event Analysis: Optimal Subsample Size in Logistic and Cox Regressions},
author = {Tal Agassi and Nir Keret and Malka Gorfine},
journal= {arXiv preprint arXiv:2406.13836},
year = {2024}
}