基于边际参数混合治愈模型的变量选择

论文摘要

在癌症的临床试验研究中,带有治愈部分的生存数据越来越常见。同时在生物医疗领域,聚类失效时间受到了研究者们越来越多的关注。边际混合治愈模型最近被用来分析这种带有治愈部分的聚类失效时间数据。现存的针对聚类数据进行变量选择的方法较少,而且普遍假设数据之间是相互独立的,依赖于似然函数。我们提出的惩罚广义估计方程方法只需要指定前两阶矩和工作相关矩阵,既避免了复杂的联合似然函数的计算,又考虑到了数据之间的相关性。惩罚项部分,我们考虑使用满足oracle特性的SCAD惩罚函数,并配合使用GIC准则来选择调优参数。由于数据是右删失的,我们通过结合EM算法来计算惩罚逻辑回归模型和惩罚Cox比例风险模型中的回归参数。我们使用Bootstrap方法来估计参数的方差。数值模拟研究显示,我们提出的方法使用起来比较简单,并且与现存的一些忽略聚类间相关性和未进行变量选择的广义估计方程方法相比更高效。最后,我们进一步地把提出的方法应用到一个戒烟聚类数据中。

论文目录

• 摘要
• Abstract
• 1 引言
•   1.1 研究背景及意义
•   1.2 相关研究的意义和现状
•   1.3 主要研究内容和关键问题
• 2 基础知识
•   2.1 混合治愈模型
•   2.2 对数似然函数方法
•   2.3 广义估计方程方法
•   2.4 惩罚广义估计方程方法
• 3 算法介绍
•   3.1 迭代算法
•   3.2 调优参数的选择方法
•     3.2.1 交叉验证方法
•     3.2.2 广义交叉验证方法（GCV）
•     3.2.3 类广义交叉验证方法（Q-GCV）
•     3.2.4 针对SCAD惩罚的GIC（特例BIC）
•   3.3 方差估计
•     3.3.1 三明治（sandwich）方法
•     3.3.2 刀切（Jackknife）方法
•     3.3.3 靴带（bootstrap）方法
• 4 数值模拟
•   4.1 随机数据的生成
•   4.2 数值计算和分析
• 5 实例分析
•   5.1 戒烟数据集介绍
•   5.2 戒烟数据研究结果及分析
• 结论
• 参考文献
• 攻读硕士学位期间发表学术论文情况
• 致谢

文章来源

类型: 硕士论文

作者: 田舒

导师: 牛一

关键词: 聚类失效时间,边际混合治愈模型,算法,惩罚广义估计方程,交叉验证

来源: 大连理工大学

年度: 2019

分类: 基础科学,医药卫生科技

专业: 数学,医药卫生方针政策与法律法规研究

单位: 大连理工大学

分类号: R195.1;O212.1

DOI: 10.26991/d.cnki.gdllu.2019.001245

总页数: 55

文件大小: 1321K

下载量: 22