Hierarchically penalized Cox regression with grouped variables
具有分组变量的层级惩罚 Cox 回归AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究生存模型中的分组变量选择，未直接对应所列经济计量领域细分。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
具有分组变量的层级惩罚 Cox 回归
- 研究问题
- 生存结局的预测变量具有自然分组时，如何在 Cox 比例风险模型中同时剔除不重要组，并选择保留组中的变量？
- 方法与思路
- 作者针对 Cox 模型开发层级惩罚变量选择方法，使组层面的筛选与组内变量筛选能够在同一方法中实现。
- 材料陈述的贡献
- 摘要称，新方法可去除不重要组并灵活选择组内变量，还显示出达到渐近 oracle 性质的潜力。
- 阅读关注点
- 应核对层级惩罚的具体形式、调参和计算方法，尤其确认 oracle 性质所需条件及文中究竟证明了何种结论。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要仅称具有实现 oracle 性质的潜力，不能改写为无条件或普遍成立的定理。
原文摘要
In many biological and other scientific applications, predictors are often naturally grouped. For example, in biological applications, assayed genes or proteins are grouped by biological roles or biological pathways. When studying the dependence of survival outcome on these grouped predictors, it is desirable to select variables at both the group level and the within-group level. In this article, we develop a new method to address the group variable selection problem in the Cox proportional hazards model. Our method not only effectively removes unimportant groups, but also maintains the flexibility of selecting variables within the identified groups. We also show that the new method offers the potential for achieving the asymptotic oracle property.