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：摘要研究生存模型中的变量选择，未明确指向因果推断或其他给定领域细分。
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
- 在比例风险模型中，如何以较低计算成本进行全子集变量选择，并比较其与逐步选择产生的模型和应用结论？
- 方法与思路
- 作者通过将一条未删失观测改为删失的类似交叉验证论证，构造基于Wald统计量的准则，并说明其形式等价于Mallows Cp。
- 材料陈述的贡献
- 摘要称，全子集回归可借助标准软件低成本实现；骨髓瘤数据结果与既有逐步法明显不同，作者据此主张其优势。
- 阅读关注点
- 应核对Wald准则与Cp的等价条件、全子集计算的实现方式，以及应用中比较逐步法所用的候选变量和评价标准。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明；摘要未说明计算成本随变量数的变化或选择后推断，单个应用不能验证普遍优越性。
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.