Testing and Confidence Intervals for High Dimensional Proportional Hazards Models
高维比例风险模型的检验与置信区间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：摘要聚焦高维生存分析与基因表达应用，未提供所列计量领域细分的直接依据。
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
高维比例风险模型的检验与置信区间
- 研究问题
- 在高维比例风险模型中，如何开展假设检验并构造风险函数的逐点置信区间，同时避免要求模型选择一致性？
- 方法与思路
- 作者基于几何投影构建统一的似然比推断框架，涵盖得分、Wald 与部分似然比统计量，并分析局部备择下的功效。
- 材料陈述的贡献
- 摘要称推导了统计量的渐近分布与半参数最优性，提出风险函数区间方法；模拟中部分似然比检验的功效更高。
- 阅读关注点
- 应核对高维增长与正则性条件、投影及干扰参数处理、最优性的定义，以及逐点区间和模拟比较的具体设置。
- 阅读边界
- 仅据 Crossref 摘要，无法判断条件强弱或有限样本覆盖率；模拟中的功效比较不能推广至所有高维生存模型。
原文摘要
Summary The paper considers the problem of hypothesis testing and confidence intervals in high dimensional proportional hazards models. Motivated by a geometric projection principle, we propose a unified likelihood ratio inferential framework, including score, Wald and partial likelihood ratio statistics for hypothesis testing. Without assuming model selection consistency, we derive the asymptotic distributions of these test statistics, establish their semiparametric optimality and conduct power analysis under Pitman alternatives. We also develop new procedures to construct pointwise confidence intervals for the baseline hazard function and conditional hazard function. Simulation studies show that all tests proposed perform well in controlling type I errors. Moreover, the partial likelihood ratio test is empirically more powerful than the other tests. The methods proposed are illustrated by an example of a gene expression data set.