Time‐varying feature selection for longitudinal analysis
Time‐varying feature selection for longitudinal analysis
复制标题
用于纵向分析的时变特征选择
DOI：
10.1002/sim.8412
复制
发表时间：
2019
影响因子：
2
通讯作者：
Qu, Annie
中科院分区：
文献类型：
--
作者：
Xue, Lan;Shu, Xinxin;Shi, Peibei;Wu, Colin O.;Qu, Annie
我们提出了基于样条方法的时变系数模型选择和估计，该方法能够捕获时变协变量效应。新的惩罚函数利用局部区域信息进行变系数估计，而传统的模型选择方法侧重于整个区域。当与相关预测因子相关的信号具有时间依赖性时，所提出的方法非常有用，并且在局部区域检测相关协变量效应比在整个区域检测相关协变量效应更具科学相关性。仿真研究表明，结合局部特征的模型选择方法优于全局特征模型选择方法。国家心脏、肺和血液研究所的一项纵向生长和健康研究也说明了所提出的方法。
We propose time‐varying coefficient model selection and estimation based on the spline approach, which is capable of capturing time‐dependent covariate effects. The new penalty function utilizes local‐region information for varying‐coefficient estimation, in contrast to the traditional model selection approach focusing on the entire region. The proposed method is extremely useful when the signals associated with relevant predictors are time‐dependent, and detecting relevant covariate effects in the local region is more scientifically relevant than those of the entire region. Our simulation studies indicate that the proposed model selection incorporating local features outperforms the global feature model selection approaches. The proposed method is also illustrated through a longitudinal growth and health study from National Heart, Lung, and Blood Institute.
登录
查看更多内容
影响因子：
1.4
作者：
Zhou J;Wang NY;Wang N
通讯作者：
Wang N
影响因子：
2.7
作者：
Wang, Hansheng;Li, Runze;Tsai, Chih-Ling
通讯作者：
Tsai, Chih-Ling
DOI：
10.1198/016214506000000735
发表时间：
2006-12-01
影响因子：
3.7
作者：
Zou, Hui
通讯作者：
Zou, Hui
纵向数据的非参数模型及其在 R 中的实现
影响因子：
1.1
作者：
D. Hille
通讯作者：
D. Hille
影响因子：
1.4
作者：
Wei F;Huang J;Li H
通讯作者：
Li H