Censored broken adaptive ridge rank regression via induced smoothing
基于诱导平滑的删失断崖自适应岭秩回归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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要主题为生存分析中的惩罚秩回归与算法实现，属于半参数生存计量方法，未涉及所给微观、宏观或金融领域细分中的具体经济问题，故不选择任何细分方向。
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…
基于诱导平滑的删失断崖自适应岭秩回归
- 研究问题
- 摘要称，本文针对右删失数据下的半参数加速失效时间模型，研究如何在预测变量存在复杂相关结构时进行变量选择与系数估计，并进一步扩展到多变量部分区间删失等更复杂的生存终点。
- 方法与思路
- 作者提出用断崖自适应岭（BAR）惩罚近似 L0 正则化，对非光滑的 Gehan 型秩估计函数施加诱导平滑以获得更稳定的估计与推断框架，并开发循环坐标下降算法逐坐标最小化惩罚目标函数，同时给出信息系数的解析方差估计。
- 材料陈述的贡献
- 摘要称所提估计量在温和条件下同时具备 oracle 性质与分组效应，可解析计算方差；合成数据数值研究将其与若干常见惩罚方法比较，报告了更高的选择准确性与估计效率，并应用于原发性胆汁性肝硬化右删失数据与结直肠癌相关部分区间删失数据；作者提供 R 包 aftPenCDA。
- 阅读关注点
- 阅读全文时应核对：诱导平滑后估计方程与渐近理论的具体正则条件；oracle 性质与分组效应的精确陈述及证明依赖；坐标下降算法的收敛性与计算复杂度；方差估计的解析形式及其覆盖表现；模拟设计是否公平覆盖相关预测变量与删失比例；两个实际数据集的变量定义与结论稳健性。
- 阅读边界
- 仅依据摘要，无法判断定理条件是否成立、模拟与实证结果是否可复现、与既有惩罚方法的比较是否全面，也未说明算法收敛速度与软件实现细节；摘要未说明具体样本量、效应数值与置信区间覆盖结果。该来源为 arXiv 预印本，不能据此声称已经同行评审或期刊接收。
原文摘要
Broken adaptive ridge (BAR) penalty approximates $L_0$-regularization through iterative reweighting of L2 penalties. This penalty enjoys both the oracle property and the grouping effect for highly correlated covariates, making it particularly attractive for penalized regression with complex dependence among predictors. In this paper, we develop a BAR-penalized linear rank regression method for the semiparametric accelerated failure time model with right-censored data. Computational tractability is achieved by applying induced smoothing to the nonsmooth Gehan-type rank estimating function, yielding a more stable framework for estimation and inference. For scalable penalization, we develop a cyclic coordinate descent algorithm that minimizes the penalized objective function, and estimates the regression coefficients in a coordinate-wise manner. We further extend the proposed method to more complex survival endpoints, such as multivariate partly interval-censored (PIC) data. Under mild conditions, the proposed estimator satisfies both the oracle property and the grouping effect, and the variance estimator of the informative coefficients can be derived in analytic form. Numerical studies using synthetic data compare our approach to several well-known penalties, and demonstrate its superior selection accuracy and estimation efficiency across various scenarios. Furthermore, applications to right-censored outcomes from primary biliary cirrhosis, and correlated PIC outcomes from colorectal cancer further illustrate the practical utility of the proposed method. The R package aftPenCDA for implementing the method is available on R CRAN.