基于当前状态数据的加法风险模型的自适应LASSO回归选择

• 作者: 张怿瑾 王成勇
• 来源期刊: 数学杂志
• 关键词: 加法风险模型 当前状态数据 自适应Lasso ADMM算法
• 年，卷（期）: 2021,（3）
• 页码范围: 189-204
• 页数: 16页
• 分类号: O212.1
• 语种: 中文
• DOI: 10.3969/j.issn.0255-7797.2021.03.001

摘要

当真实的潜在模型具有稀疏表示时通常需要使用变量选择方法,确定模型中的重要预测因子可提高被拟合模型的预测性能,许多文献研究了这类问题,其中张和吕[1]针对右删失数据开发了一种基于比例风险模型的变量选择方法.本文研究了基于当前状态数据的加法风险模型的变量选择问题.在文献[1]的启发下,我们提出一种自适应Lasso方法来解决这个问题,并在弱正则性条件下,建立了估计量的相合性和oracle性质等理论结果.大量的模拟数据分析证明了该方法的有效性.我们用该方法分析了一组来自肿瘤研究的真实数据.