摘要: 针对当前状态数据中的比例风险模型提出了一种基于期望-最大化的贝叶斯变量选择方法. 该模型能够同时进行参数估计和变量选择,有效地增强了模型的可解释性和预测能力.为了识别风险因素, 首先对表示协变量是否存在的指示变量赋予合适的先验分布,使用单调样条来近似基准累积风险函数;然后 通过使用基于泊松隐变量的两阶段数据扩充技术提出了一种有效的期望-最大化对模型拟合算法;最后通过模拟研究和一个实例分析证明了所提方法的有效性.
中图分类号:
崔 笛, 张伟平. 当前状态数据中比例风险模型的一种贝叶斯变量选择方法[J]. 中国科学技术大学学报, 2020, 50(10): 1303-1314.
CUI Di, ZHANG Weiping. Bayesian variable selection for proportional hazards model with current status data[J]. Journal of University of Science and Technology of China, 2020, 50(10): 1303-1314.