论文部分内容阅读
变量选择对于识别高维协变量中对疾病发生或预后有重要影响的因素至关重要.然而,在生存分析中,失效时间数据经常伴随着删失,这使得变量选择方法的研究变得更为复杂.本文主要讨论右删失数据下半参数转移模型的变量选择问题.特别地,基于LASSO、Adaptive LASSO及SCAD三种惩罚函数,我们使用惩罚似然的思想并提出一个新的惩罚EM算法来同时实现变量选择和参数估计.数值模拟结果表明所提出的算法在有限样本下变量选择准确率高且表现较为稳定.最后,我们将所提出的方法应用到一组右删失乳腺癌数据中.