Variable selection in semiparametric transformation models for right-censored data
右删失数据半参数变换模型中的变量选择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：摘要聚焦生存分析中的变量选择，未提供足以归入所列计量细分方向的明确依据。
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…
右删失数据半参数变换模型中的变量选择
- 研究问题
- 如何在允许外部时变协变量的右删失变换模型中选择变量，并兼顾回归估计效率？摘要涉及比例风险与比例优势两个特例。
- 方法与思路
- 作者以非参数极大似然估计作为初值，最小化加权负偏对数似然与自适应 lasso 惩罚之和；摘要称目标函数为参数化凸函数。
- 材料陈述的贡献
- 摘要称所提选择方法具有 oracle 性质，估计量达到半参数效率，并通过模拟及社区动脉粥样硬化风险研究数据展示其表现。
- 阅读关注点
- 应核对删失与时变协变量的适用条件、权重和惩罚参数的构造，以及 oracle 性质和半参数效率成立所需的具体假设。
- 阅读边界
- 材料为版本未注明的索引摘要；未说明删失机制、维数增长条件或模拟数值，不能据此判断普遍适用性或推断刊本变化。
原文摘要
We study variable selection in general transformation models for right-censored data. The models studied can incorporate external time-varying covariates, and they include the proportional hazards model and the proportional odds model as special cases. We propose an estimation method that involves minimizing a weighted negative partial loglikelihood function plus an adaptive lasso penalty, with the initial values obtained from nonparametric maximum likelihood estimation. The objective function is parametric and convex, so the minimization is easy to implement. We show that our selection has oracle properties and that the estimator is semiparametrically efficient. We demonstrate the small-sample performance of the proposed method via simulations, and we use the method to analyse data from the Atherosclerosis Risk in Communities Study.