All subsets regression in a proportional hazards model
比例风险模型中的全子集回归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：摘要讨论生存模型的变量选择，未明确涉及所列离散选择、因果推断或收益预测方向。
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…
关注这篇论文的作者
比例风险模型中的全子集回归
- 研究问题
- 比例风险模型中如何以较低计算成本开展全子集变量选择，并评估其相对于逐步回归所产生的结果差异？
- 方法与思路
- 作者通过将单个观测从未删失改为删失的类交叉验证论证，提出基于 Wald 统计量、形式上等价于 Cp 的准则。
- 材料陈述的贡献
- 摘要称选择问题可借助标准统计软件处理，且多发性骨髓瘤实例的结果明显不同于既有逐步回归分析。
- 阅读关注点
- 应核对 Wald 准则与 Cp 的等价范围、计算量论证、删失机制要求，以及实例如何支持作者关于方法优势的判断。
- 阅读边界
- 仅据版本未注明的索引摘要；作者关于优越性的表述不能视为普遍结论，比较条件和数值证据均未提供。
原文摘要
This paper shows that within the framework of the proportional hazards model all subsets regression can be performed with very little computational effort. A selection criterion based on a Wald statistic is motivated by an argument similar to crossvalidation in which the status of one observation is changed from uncensored to consored. This criterion is formally equivalent to Mallows's Cp and thus the problem is reduced to one readily handled by standard statistical packages. The procedure is applied to some multiple myeloma data to give results remarkably different from those obtained by previous workers using stepwise procedures. New insights are gained and the superiority of all subsets regression over stepwise regression is clearly demonstrated.