联合模型中运用ALASSO进行变量选择

发布时间：2017-03-20 05:03

  本文关键词：联合模型中运用ALASSO进行变量选择，由笔耕文化传播整理发布。

【摘要】：在本篇文章中,主要研究临床试验数据中构建合适的联合模型及变量选择问题,其中联合模型是应用于生存数据和纵向数据的模型.本文主要研究三件事情,首先,我们研究生存时间和纵向结果变量之间的关系,其次,我们想提出一种可以选出较精确参数估计值的方法,最后也是最重要的,我们想通过选出显著变量去除非显著变量来简化模型.本文中提出的方法可以很好地满足以上三点.对于纵向数据,我们构建线性混合效应模型,其参数估计方法是通过极大化带ALASSO惩罚项的惩罚函数的方法来进行参数估计,惩罚参数的选取法则选用ICQ法则.对于生存数据,我们构建比例风险模型,参数估计方法是通过极大化带ALASSO惩罚项的部分似然函数来进行参数估计.本文内容安排如下：第一部分,将粗略介绍一些本文用到的基础知识,其中包括线性混合模型和生存模型的简单介绍以及本文中用到的算法知识；第二部分,将进一步介绍联合模型,并且详细介绍各子模型及参数的估计过程；第三部分,进行数值检验,根据模型模拟生成纵向数据和生存数据的集合,重复100遍,比较不同方法估计效果；第四部分,将进行实例分析并进行不同方法结果的比较,本文用到的是原发性胆汁性肝硬化数据和心脏瓣膜手术数据；第五部分,对本文进行总结归纳.
【关键词】：联合模型 ALASSO ICQ准则 混合效应模型 比例风险模型
【学位授予单位】：大连理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F224;R969.4
【目录】：

• 摘要4-5
• Abstract5-7
• 1 绪论7-15
• 1.1 前人工作介绍7-8
• 1.2 背景基础知识介绍8-15
• 1.2.1 线性模型8
• 1.2.2 生存时间与失效事件8-9
• 1.2.3 删失时间9
• 1.2.4 生存函数9-10
• 1.2.5 比例风险函数10-11
• 1.2.6 ICQ准则11-12
• 1.2.7 随机效应惩罚估计量12
• 1.2.8 EM算法12-15
• 2 联合模型及其参数估计方法15-21
• 2.1 生存子模型15-17
• 2.1.1 部分惩罚似然函数16
• 2.1.2 参数估计过程16-17
• 2.2 纵向子模型17-21
• 2.2.1 惩罚似然函数17-18
• 2.2.2 参数估计过程18-21
• 3 数值模拟21-23
• 4 实例分析23-29
• 4.1 原发性肝硬化临床试验数据23-24
• 4.2 心脏瓣膜手术临床试验数据24-29
• 结论29-31
• 参考文献31-35
• 致谢35-37

【相似文献】

中国期刊全文数据库 前4条

1 陈峰;;线性混合效应模型的惩罚变量选择[J];中国卫生信息管理杂志;2014年03期

2 王斌会,颜光宇;变量选择的稳健RMSq准则[J];第一军医大学学报;1997年04期

3 徐登可;张忠占;张松;张蕾;;妊娠期高血压疾病危险因素的统计分析[J];应用概率统计;2012年02期

4 ;[J];;年期

中国重要会议论文全文数据库 前6条

1 张俊华;方伟武;;调查表分析中变量选择的一些方法(英文)[A];中国运筹学会第六届学术交流会论文集（下卷）[C];2000年

2 李洪东;梁逸曾;;高维数据变量选择新方法研究[A];中国化学会第27届学术年会第15分会场摘要集[C];2010年

3 李慷;席裕庚;;复杂过程系统中操作变量选择与定位的方法研究[A];1993年控制理论及其应用年会论文集[C];1993年

4 云永欢;王为婷;梁逸曾;;迭代的保留有信息变量来筛选最佳变量子集的一种多元校正变量选择方法[A];中国化学会第29届学术年会摘要集——第19分会：化学信息学与化学计量学[C];2014年

5 徐登;范伟;梁逸曾;;紫外光谱结合变量选择和偏最小二乘回归同时测定水中重金属镉、锌、钴[A];中国化学会第29届学术年会摘要集——第19分会：化学信息学与化学计量学[C];2014年

6 梁逸曾;李洪东;许青松;曹东升;张志敏;;灰色化学建模与模型集群分析——兼论过拟合、稳健估计、变量选择与模型评价[A];中国化学会第27届学术年会第15分会场摘要集[C];2010年

中国博士学位论文全文数据库 前10条

1 吕晶;几类半参数回归模型的稳健估计与变量选择[D];重庆大学;2015年

2 王康宁;几类高维复杂数据半参数模型的结构识别、变量选择及稳健估计[D];山东大学;2016年

3 王大荣;分散度量模型中的变量选择[D];北京工业大学;2009年

4 王明秋;高维数据下若干回归模型的变量选择问题研究[D];大连理工大学;2012年

5 刘吉彩;生存数据统计模型的变量选择方法[D];华东师范大学;2014年

6 樊亚莉;稳健变量选择方法的若干问题研究[D];复旦大学;2013年

7 唐凯临;变量选择和变换的新方法研究[D];同济大学;2008年

8 董莹;高维共线性统计模型的参数估计与变量选择[D];大连理工大学;2014年

9 叶飞;相对误差准则下的估计理论和变量选择方法的研究[D];清华大学;2013年

10 袁晶;贝叶斯方法在变量选择问题中的应用[D];山东大学;2013年

中国硕士学位论文全文数据库 前10条

1 潘玉婷;含多元非线性结构的高维Logistic模型的同时变量选择及半参数估计[D];中国科学技术大学;2016年

2 刘丹;Cox模型及变系数Cox模型中的变量选择问题研究[D];暨南大学;2016年

3 罗昊;基于自适应LASSO变量选择的Logistic信用评分模型研究[D];东南大学;2016年

4 王双宝;基于变量选择偏差的变量选择过程[D];电子科技大学;2016年

5 温征;纵向和生存数据联合模型的一个变量选择问题[D];云南师范大学;2016年

6 闫湛;混料试验设计变量选择的Cp方法研究[D];广州大学;2016年

7 黄亚慧;偏t正态数据下基于最小一乘的回归估计和变量选择[D];重庆大学;2016年

8 曹慧;基于GEE的比例风险模型的变量选择[D];大连理工大学;2016年

9 刘_g达;联合模型中运用ALASSO进行变量选择[D];大连理工大学;2016年

10 闫闯;多元回归模型中变量选择问题研究[D];黑龙江大学;2011年

  本文关键词：联合模型中运用ALASSO进行变量选择，，由笔耕文化传播整理发布。

本文编号：257177