利用相关生存数据的信息提高Cox模型参数估计效率(英文)

Cox模型是生存分析中使用非常广泛的半参数回归模型,其回归参数的极大部分似然估计具有相合性、渐近正态性及有效性等优良性质.本文首次给出一种利用相关生存数据的信息提高Cox模型参数估计效率的方法,利用著名的WLW(1989,JASA)边际比例风险模型及构造独特的回归参数估计方程对参数估计进行提高效率的研究.WLW模型在建模时对生存时间之间的相依结构不进行模型假定,所收集到的数据可以方便地用WLW模型进行刻画,然而直接由WLW方法进行参数估计无法达到提高估计效率的目的,本文在Yang(2000)和Cui(2004)的基础上,利用基于分割的方法,在一定的最优准则下对生存时间进行"分割重组"构造出优良的估计方程,求得的参数估计充分利用了相关信息,由所提取的辅助相依信息提高了参数估计的效率.模拟研究表明,在生存时间之间具有一定相依性的情形下,方法在提高估计效率方面有良好表现.

基于复发瞬间链接间隔的动态网络社区发现

纵向网络数据是较为常见的复杂网络数据,也是目前网络数据分析的热点之一。随机块模型是网络社区发现的经典模型,但是该模型无法直接用于模拟纵向网络数据。基于随机块模型,引入半参数比例风险模型去分析纵向网络数据,并利用随机块模型来描述复发瞬间链接间隔。结合变分EM算法,采用两步估计来分别估计模型参数和非参数部分,通过不同场景下的模拟试验来验证所提议模型的优良性,最后利用法国小学生的社交网络数据进行了实证分析。模拟和实证结果表明,在统计计算的时效和参数或非参数估计的精度上,本文所提出的网络数据模型和统计分析方法比现存文献的模型和方法具有较好的优势。