|
|
|
|
برآوردگرهای تاوانیده در مدل رگرسیون کاکس
|
|
|
|
|
|
|
|
نویسنده
|
اسلامی زهرا ,نوروزی راد مینا ,آرشی محمد
|
|
منبع
|
انديشه آماري - 1399 - دوره : 25 - شماره : 1 - صفحه:53 -67
|
|
چکیده
|
در تحلیل داده‌های بقای سانسورشده، مدل‌های رگرسیونی کاکس از اهمیت ویژه‌ای برخوردار هستند. با افزایش متغیرها در یک مدل، به منظور دست‌یابی به مدل‌های کاراتر، می‌توان از روش‌های تاوانیده استفاده کرد. در این مقاله، به مروری بر مدل رگرسیون کاکس تاوانیده برای برخی از توابع تاوان معروف پرداخته شده است. هم‌چنین، مجموعه داده‌های پزشکی mgus2 بررسی شده و نشان داده شده که مدل‌های تاوانیده بهتر از رگرسیون کاکس به این داده‌ها برازش می‌شود که تاوان لاسو، بهترین عملکرد را برای این داده‌ها دارد.
|
|
کلیدواژه
|
تابع بقا، رگرسیون کاکس، تابع خطر، رگرسیون تاوانیده، لاسو.
|
|
آدرس
|
دانشگاه صنعتی شاهرود, ایران, دانشگاه صنعتی شاهرود, دانشکده علوم ریاضی, گروه آمار, ایران, دانشگاه فردوسی مشهد, دانشکده علوم ریاضی, گروه آمار, ایران
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Penalized Estimators in Cox Regression Model
|
|
|
|
|
Authors
|
Eslami Zahra ,Norouzirad Mina ,Arashi Mohammad
|
|
Abstract
|
The proportional hazard Cox regression models play a key role in analyzing censored survival data. We use penalized methods in high dimensional scenarios to achieve more efficient models. This article reviews the penalized Cox regression for some frequently used penalty functions. Analysis of medical data namely rdquo;mgus2 rdquo; confirms the penalized Cox regression performs better than the cox regression model. Among all penalty functions, LASSO provides the best fit.
|
|
Keywords
|
Cox regression ,Hazard function ,Penalized regression ,Lasso ,Survival function.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|