基于模型平均的右删失数据下加速失效时间模型的统计推断研究

摘要：

在生物统计研究领域中,经常会由于各种原因出现数据删失的情况.此时研究人员不能精确观测到某个个体的确切失效时间,只能观测到生存时间大于删失时间,即右删失数据.相对于比例风险模型和可加风险模型,由于加速失效时间(AFT)模型更具有解释性,因此考虑采用AFT模型来对右删失数据进行建模.传统的AFT模型都是在协变量给定的情况下进行统计推断研究,这样可能会导致估计结果不准确.克服这种问题的有效途径是使用模型平均方法,通过对候选模型的估计量进行加权,可以减少估计的均方误差,稳健性更强.据此,从避免指定协变量构建模型引起的不准确性入手,针对右删失数据提出一种基于模型平均方法的加速失效时间模型.在极大似然估计方法的框架下,采用基于信息准则的模型平均方法进行参数估计及预测研究.数值模拟结果显示,在右删失数据下基于模型平均方法的AFT模型估计精度高于模型选择方法下的参数估计精度,证实了在右删失数据下使用模型平均方法可以得到更准确更稳健的估计结果.实例部分采用一组肺癌数据进行分析,结果显示基于模型平均方法的加速失效时间模型预测精度更高,进一步说明了模型平均方法的优势.

关键词：模型平均、右删失数据、加速失效时间模型、极大似然估计

所属期刊栏目：37

分类号：O212(概率论与数理统计)

资助基金：国家自然科学基金;中国博士后科学基金面上项目;吉林省博士后择优资助项目

在线出版日期：2022-12-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：3-9