Penalized variable selection procedure for Cox models with semiparametric relative risk
半参数相对风险Cox模型的惩罚变量选择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：摘要聚焦生存回归与一般变量选择，未提供因果识别、面板结构或所列其他细分方向的直接依据。
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…
关注这篇论文的作者
半参数相对风险Cox模型的惩罚变量选择
- 研究问题
- 在包含参数项及单个或多个非参数效应的Cox相对风险模型中，如何同时估计效应并选择两部分中的相关变量？
- 方法与思路
- 作者提出惩罚部分似然，先通过平滑样条ANOVA控制非参数效应，再以SCAD或自适应LASSO选择参数部分变量。
- 材料陈述的贡献
- 摘要称参数部分估计量具有预言机性质，非参数部分达到最优收敛速度，并以模拟及性传播疾病数据展示方法表现。
- 阅读关注点
- 应核对删失与模型假设、两类惩罚的选择方式、非参数变量筛选规则，以及预言机性质和最优速度成立的具体条件。
- 阅读边界
- 仅据稿件版本未注明的OpenAlex索引摘要；无法确认其与刊本是否一致，理论条件、模拟数值和应用结论细节未提供。
原文摘要
We study the Cox models with semiparametric relative risk, which can be partially linear with one nonparametric component, or multiple additive or nonadditive nonparametric components. A penalized partial likelihood procedure is proposed to simultaneously estimate the parameters and select variables for both the parametric and the nonparametric parts. Two penalties are applied sequentially. The first penalty, governing the smoothness of the multivariate nonlinear covariate effect function, provides a smoothing spline ANOVA framework that is exploited to derive an empirical model selection tool for the nonparametric part. The second penalty, either the smoothly-clipped-absolute-deviation (SCAD) penalty or the adaptive LASSO penalty, achieves variable selection in the parametric part. We show that the resulting estimator of the parametric part possesses the oracle property, and that the estimator of the nonparametric part achieves the optimal rate of convergence. The proposed procedures are shown to work well in simulation experiments, and then applied to a real data example on sexually transmitted diseases.