Variable selection in the cox regression model with covariates missing at random.
Variable selection in the cox regression model with covariates missing at random.
复制标题
DOI：
10.1111/j.1541-0420.2009.01274.x
复制
发表时间：
2010-03
期刊：
影响因子：
1.9
通讯作者：
Zhu H
中科院分区：
文献类型：
--
作者：
Garcia RI;Ibrahim JG;Zhu H
我们考虑 Cox 回归模型 (Biometrika 362, 269–276) 中的变量选择，协变量随机缺失。我们研究了平滑裁剪的绝对偏差罚分和自适应最小绝对收缩和选择算子（LASSO）罚分，并提出了统一的模型选择和估计程序。开发了一种计算上有吸引力的算法，它同时优化了惩罚似然函数和惩罚参数。我们还优化了模型选择标准，称为 ICQ 统计量（《美国统计协会杂志》103, 1648–1658），以估计惩罚参数并表明它始终如一地选择所有重要的协变量。进行模拟以评估惩罚估计的有限样本性能。此外，还分析了两个肺癌数据集以证明所提出的方法。
We consider variable selection in the Cox regression model (, Biometrika 362, 269–276) with covariates missing at random. We investigate the smoothly clipped absolute deviation penalty and adaptive least absolute shrinkage and selection operator (LASSO) penalty, and propose a unified model selection and estimation procedure. A computationally attractive algorithm is developed, which simultaneously optimizes the penalized likelihood function and penalty parameters. We also optimize a model selection criterion, called the ICQ statistic (, Journal of the American Statistical Association 103, 1648–1658), to estimate the penalty parameters and show that it consistently selects all important covariates. Simulations are performed to evaluate the finite sample performance of the penalty estimates. Also, two lung cancer data sets are analyzed to demonstrate the proposed methodology.
登录
查看更多内容
影响因子：
2.7
作者：
Wang, Hansheng;Li, Runze;Tsai, Chih-Ling
通讯作者：
Tsai, Chih-Ling
影响因子：
4.5
作者：
Zou, Hui;Li, Runze
通讯作者：
Li, Runze
影响因子：
2.7
作者：
Paik, MC;Tsai, WY
通讯作者：
Tsai, WY
影响因子：
45.3
作者：
Socinski, MA;Schell, MJ;Kies, MS
通讯作者：
Kies, MS
DOI：
10.1198/016214501753208942
发表时间：
2001-09-01
影响因子：
3.7
作者：
Antoniadis, A;Fan, JQ
通讯作者：
Fan, JQ