اصلاح روش رگرسیون وارون ورقه شده نوع دو برای داده‌های بقای سانسور شده

روش‌شناسی کاهش بعد بسنده یک راهکار موثر برای تسهیل در تحلیل رگرسیونی با داده‌های با بعد بالاست. هنگامی که پاسخ‌ها سانسور شده باشند، برآوردگرهای موجود را نمی‌توان به‌کار برد یا به شرایط محدودکننده‌ای نیاز است. در این مقاله، برای کاهش بعد داده‌های رگرسیونی سانسور شده غیرخطی، اصلاحی از روش رگرسیون وارون ورقه شده ‌نوع دو پیشنهاد شده است. روش پیشنهادی، اولاً به هیچ مدل از پیش تعیین شده‌ای نیاز ندارد، ثانیاً اطلاعات کامل رگرسیونی را حفظ کرده و مجموعه‌ کوچکی از ترکیب پیشگوها را ارائه می‌دهد که فرمول‌بندی مدل و پیش‌بینی براساس این مجموعه انجام می‌گیرد. در انتها عملکرد این روش‌، علاوه بر داده‌های شبیه‌سازی شده، برای مجموعه‌ داده‌های واقعی سیروز صفراوی اولیه‌ کبد مورد بررسی قرار گرفته و نتایج روش معرفی شده با روش رگرسیون وارون ورقه شده ‌نوع یک مقایسه شده است.

Modification of Sliced Inverse Regression to Censored Survival Data

The methodology of sufficient dimension reduction has offered an effective means to facilitate regression analysis of highdimensional data . When the response is censored , most existing estimators cannot be applied , or require some restrictive conditions . In this article modification of sliced inverse , regressionII have proposed for dimension reduction for nonlinear censored regression data . The proposed method requires no model specification , it retains full regression information , and it provides a usually small set of composite variables upon which subsequent model formulation and prediction can be based . Finally , the performance of the method is compared based on the simulation studies and some real data set include primary biliary cirrhosis data . We also compare with the sliced inverse regressionI estimator .