...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of applied statistics >Shrinkage estimation in lognormal regression model for censored data
【24h】

Shrinkage estimation in lognormal regression model for censored data

机译：对数正态回归模型中删失数据的收缩估计

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

We introduce in this paper, the shrinkage estimation method in the lognormal regression model for censored data involving many predictors, some of which may not have any influence on the response of interest. We develop the asymptotic properties of the shrinkage estimators (SEs) using the notion of asymptotic distributional biases and risks. We show that if the shrinkage dimension exceeds two, the asymptotic risk of the SEs is strictly less than the corresponding classical estimators. Furthermore, we study the penalty (LASSO and adaptive LASSO) estimation methods and compare their relative performance with the SEs. A simulation study for various combinations of the inactive predictors and censoring percentages shows that the SEs perform better than the penalty estimators in certain parts of the parameter space, especially when there are many inactive predictors in the model. It also shows that the shrinkage and penalty estimators outperform the classical estimators. A real-life data example using Worcester heart attack study is used to illustrate the performance of the suggested estimators.
机译：在本文中，我们介绍了对数正态回归模型中用于审查数据的收缩估计方法，该方法涉及许多预测因素，其中一些可能对目标响应没有任何影响。我们使用渐近分布偏差和风险的概念来开发收缩估计量（SE）的渐近性质。我们表明，如果收缩尺寸超过2，则SE的渐近风险严格小于相应的经典估计量。此外，我们研究了罚分（LASSO和自适应LASSO）估计方法，并将其相对性能与SE进行了比较。对无效预测器和检查百分比的各种组合进行的仿真研究表明，在参数空间的某些部分中，SE的性能优于惩罚估计器，尤其是当模型中存在许多无效预测器时。这也表明收缩率和罚金估计量优于经典估计量。使用伍斯特心脏病发作研究的真实数据示例用于说明建议的估计量的性能。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 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