基于极小化-极大化的 steepest ascent 用于带时变效应的大规模生存分析：在全国肾脏移植数据集上的应用
统计计算
2020-01-01 v1 统计方法学
摘要
时变效应模型是刻画协变量效应动态变化的灵活而有力的工具。然而，在生存分析中，其计算负担随样本量或预测变量数量的增长而迅速增加。在中等样本量和低维数据下表现良好的传统方法无法扩展到海量数据。具有海量样本量和大量预测变量的全国肾脏移植数据分析令任何现有统计方法与软件都难以应对。鉴于这些困难，我们提出了一种基于极小化-极大化（Minorization-Maximization）的 steepest ascent 过程用于估计时变效应。利用由基展开形成的块结构，所提过程迭代地更新最优分块方向，沿该方向对数偏似然的近似增量被最大化。所得估计保证了上升性质，并作为对前一步的精炼。所提方法的性能通过模拟以及对全国肾脏移植数据分析的应用进行了检验。
引用
@article{arxiv.1912.12353,
title = {Minorization-Maximization-based Steepest Ascent for Large-scale Survival Analysis with Time-Varying Effects: Application to the National Kidney Transplant Dataset},
author = {Kevin He and Ji Zhu and Jian Kang and Yi Li},
journal= {arXiv preprint arXiv:1912.12353},
year = {2020}
}