本文選題：Gamma刪失回歸模型 + 收縮估計(jì)��； 參考：《蘭州大學(xué)》2016年碩士論文

【摘要】：本文考慮了在生存分析領(lǐng)域有著廣泛應(yīng)用的Gamma刪失回歸模型(因變量服從Gamma分布的刪失回歸模型)的參數(shù)估計(jì)問(wèn)題.我們的目的是在預(yù)測(cè)變量中可能存在一些與因變量不相關(guān)的情況下,運(yùn)用Stein類型的收縮估計(jì)來(lái)改善傳統(tǒng)的估計(jì)方法.在Gamma刪失回歸模型中我們給出了兩種模型:考慮全部變量的全模型(full model)和利用先驗(yàn)信息剔除不相關(guān)變量之后的子模型(candidate model).在均方誤差的意義下,結(jié)合全模型和子模型的收縮估計(jì)的估計(jì)效果要優(yōu)于單獨(dú)考慮全模型或子模型的估計(jì)效果.我們同時(shí)考慮了Lasso,Adaptive Lasso,SCAD三種懲罰估計(jì),比較了收縮估計(jì)和懲罰估計(jì)的估計(jì)效果.我們同時(shí)還進(jìn)行了大量的模擬研究,結(jié)果表明:收縮估計(jì)的估計(jì)效果要優(yōu)于懲罰估計(jì).我們還進(jìn)行了實(shí)證分析,將收縮估計(jì)和懲罰估計(jì)應(yīng)用在口咽癌數(shù)據(jù)和糖尿病數(shù)據(jù)中,證明了這種方法具有良好的應(yīng)用前景.
[Abstract]:In this paper, we consider the parameter estimation of Gamma censored regression model, which is widely used in the field of survival analysis. Our aim is to improve the traditional estimation method by using Stein type contraction estimation in the case that there may be some independent variables in the prediction variables. In the Gamma censored regression model, we give two models: the whole model (full model) which considers all variables and the submodel (candidate model). Which uses prior information to remove irrelevant variables. In the sense of mean square error, the estimation effect of the whole model and the submodel is better than that of the whole model or the submodel. At the same time, we consider three kinds of penalty estimators of Lassov Adaptive Lassop SCAD, and compare the estimation effect of contraction estimation and penalty estimation. At the same time, a large number of simulation studies have been carried out. The results show that the estimation effect of the contraction estimation is better than that of the penalty estimation. We also applied the contraction estimation and penalty estimation to the data of oropharynx cancer and diabetes mellitus, which proved that this method has a good application prospect.
【學(xué)位授予單位】：蘭州大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：O212.1

【相似文獻(xiàn)】

相關(guān)期刊論文 前9條

1 徐瑞峰,方易新;刪失回歸模型的隨機(jī)逼近(英文)[J];中國(guó)科學(xué)技術(shù)大學(xué)學(xué)報(bào);2003年04期

2 金曼,方易新,趙林城;刪失回歸模型中的變量選擇(英文)[J];應(yīng)用概率統(tǒng)計(jì);2005年02期

3 趙曉兵;;基于生存數(shù)據(jù)的半?yún)?shù)變換的刪失回歸估計(jì)(英文)[J];應(yīng)用概率統(tǒng)計(jì);2006年02期

4 葉仁玉;;刪失回歸模型的分位數(shù)變量選擇和壓縮估計(jì)[J];中國(guó)科學(xué)技術(shù)大學(xué)學(xué)報(bào);2014年02期

5 方易新,金曼,趙林城;刪失回歸模型LAD估計(jì)的一些強(qiáng)的性質(zhì)[J];中國(guó)科學(xué)(A輯:數(shù)學(xué));2004年05期

6 劉顯慧;王占鋒;吳耀華;;刪失回歸模型中SCAD型變量選擇與估計(jì)(英文)[J];中國(guó)科學(xué)技術(shù)大學(xué)學(xué)報(bào);2013年03期

7 崔文泉;刪失回歸模型中基于LAD的線性假設(shè)檢驗(yàn)研究(英文)[J];中國(guó)科學(xué)技術(shù)大學(xué)學(xué)報(bào);2004年05期

8 王占鋒;吳耀華;趙林城;;刪失回歸模型中一個(gè)LASSO型變量選擇和估計(jì)方法(英文)[J];應(yīng)用概率統(tǒng)計(jì);2010年01期

9 ;[J];;年期

相關(guān)博士學(xué)位論文 前1條

1 王占鋒;刪失回歸模型中若干統(tǒng)計(jì)問(wèn)題的研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2008年

相關(guān)碩士學(xué)位論文 前1條

1 徐玲;收縮估計(jì)和懲罰估計(jì)在Gamma刪失回歸模型中的應(yīng)用[D];蘭州大學(xué);2016年

，

本文編號(hào)：2078134