应用数学学报

作者：张婧, 靳韶佳, 陈丹丹

单位：1. 中南财经政法大学统计与数学学院, 武汉 430073;<br>2. 武汉大学数学与统计学院, 武汉 430072

关键词：区间删失数据,超高维数据,变量筛选,EM-ICM算法

在定期随访的医学研究或临床实验中，人们经常会收集到高维区间删失数据，如何对这类数据进行降维是一个非常有意义的问题.本文基于Kolmogorov-Smirnov检验统计量，利用分割和融合的技巧，把独立特征筛选方法推广到区间删失数据中，提出了一种可以处理超高维II型区间删失数据且不依赖于任何模型假设的变量筛选方法.此方法的适用范围很广，可以有效地处理各种生存模型下的超高维II型区间删失数据，而且可以处理离散型，连续型等多种类型的协变量.在估计生存函数时，本文采用EM-ICM算法，极大地提高了计算效率.大量的数值模拟实验验证了此方法在有限样本下的有效性.

来源：2021年第5期

《应用数学学报》期刊编辑部

查看应用数学学报杂志2021年第5期