生存分析中模型研究的重要分支是AFT模型。AFT模型由于其形式简单,且具有容易解释的性质,通常使用在删失数据的研究上。生存分析中另一种更加常用的模型是Cox模型,近年来Cox模型存在滥用的情况,而AFT模型在变量选择方面的研究进展较少。为了扩充AFT模型相关性质的研究,AFT模型在LASSO和MCP惩罚方法下变量选择一致性和渐进性将被进行推论。推论具体内容有:MCP惩罚方法具有Oracle的性质;对含有删失数据的AFT模型中的惩罚项进行调整,进而推论出MCP方法下AFT模型能够表现出更好的变量选择一致性和渐进性等性质。过程中使用坐标下降(CD)算法进行加速收敛,在惩罚函数中进行快速迭代找到局部最小值。通过模拟表现出MCP方法比LASSO具有更好的性质,能够选择出更加精确和简单的变量,并且也有更少的均方误差,且MCP方法在调整后没有差别,但是LASSO方法更倾向于在调整后把系数缩小到0,综合起来MCP方法具有更好的性质。研究进一步充实了具有删失数据的生存分析中变量选择相关内容。案例研究通过对房地产上市公司财务状况进行生存分析,使用理论中推出AFT模型在MCP方法下的优良性质,将216个变量最终压缩到16个变量,并且有较好的拟合效果,扩展了生存分析在财务风险上的运用。