基于核机器的加速失效时间模型及其应用

加速失效时间模型是一种应用广泛的生存分析模型。本文借助LASSO惩罚剔除冗余预测变量,构建基于核机器的加速失效时间模型,用以刻画预测变量与生存期间的复杂关系。此外,提出一种新的正则化Garrotized核机器估计方法,可以较好地刻画预测变量与生存期潜在的非线性关系,实现非参数分量中预测变量间交互作用的自动建模,提升模型预测精度。模拟研究表明,与已有的代表性方法相比,本文提出的方法对生存期的预测精度更高,特别是在复杂关系情形下优势更为显著。最后,将该方法应用于胃癌数据分析,利用临床信息和基因表达预测生存期和风险评分。实证结果显示,该方法能为病例基于风险分层的临床精准诊疗方案设计提供有益的参考。

缺失数据下部分线性变系数模型的模型平均

探究了在响应变量随机缺失情形下部分线性变系数模型的模型选择和模型平均问题.基于借补方法和Profile最小二乘技术,建立了局部误设定框架下该模型的FIC准则(focused information criterion)和FMA(frequentist model average)估计量,并探究了FIC和FMA的理论性质.模拟研究表明了所提出方法的优越性.最后将提出的方法应用于CD4数据.

Tolerance Limits Under Gamma Mixtures:Application in Hydrology

In this study,the authors proposed upper tolerance limits for the gamma mixture distribution based on generalized fiducial inference,and an MCMC simulation is performed to sample from the generalized fiducial distributions.The simulation results and a real hydrological data example show that the proposed tolerance limits are more efficient.

协变量缺失下部分线性模型的模型选择和模型平均

本文研究了协变量随机缺失下部分线性模型的模型选择和模型平均问题.首先利用逆概率加权方法得出了线性回归系数和非参数函数的估计,并在局部误设定框架下证明了线性回归系数估计量的渐近正态性.然后构造了兴趣参数的兴趣信息准则和频数模型平均估计量,并根据该模型平均估计量构造了一个覆盖真实参数的概率趋于预定水平的置信区间.模拟研究和实例分析分别说明了本方法的优越性和实用性.