首页> 中文期刊> 《中国科学》 >超高维竞争风险模型的特征筛选

超高维竞争风险模型的特征筛选

         

摘要

在生存分析中,已有一些文献提出处理普通时间事件数据的Cox模型的超高维变量选择方法.然而,对于个体处在多个互斥事件的风险下,即存在竞争风险情形,并不能直接应用这些方法.一个分析竞争风险数据的常用模型就是比例子分布风险(proportional subdistribution hazard,PSH)模型.本文基于确定联合筛选(sure joint screening,SJS)和惩罚近似对数部分似然,对于超高维的PSH模型提出了两阶段变量选择方法,并证明了第一步特征筛选方法的确定筛选性质(sure screening property),即选出的变量集合以概率1渐近地包含实际的显著变量.本文通过Monte Carlo模拟展现了方法的性能和表现,并与确定独立筛选(sure independence screening)方法进行了比较.最后将方法应用到一个关于膀胱癌的公开数据集的分析中.

著录项

  • 来源
    《中国科学》 |2018年第8期|P.1061-1086|共26页
  • 作者单位

    [1]中国人民大学应用统计科学研究中心,北京100872;

    [2]中国人民大学统计学院,北京100872;

    [1]中国人民大学应用统计科学研究中心,北京100872;

    [2]中国人民大学统计学院,北京100872;

    [1]中国人民大学应用统计科学研究中心,北京100872;

    [2]中国人民大学统计学院,北京100872;

    [3]新疆财经大学新疆社会经济统计研究中心,乌鲁木齐830012;

    [4]新疆财经大学统计与信息学院,乌鲁木齐830012;

    [5]兰州财经大学统计学院,兰州730020;

  • 原文格式 PDF
  • 正文语种 CHI
  • 中图分类 期望与预测;
  • 关键词

    竞争风险; 特征筛选; 超高维变量; 部分似然逼近; 生存分析;

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号