自适应设计下基于COX回归模型的序贯压缩估计研究.pdf
版权申诉
4 浏览量
2021-12-24
17:56:30
上传
评论
收藏 367KB PDF 举报
Advances in Applied Mathematics 应用数学进展, 2021, 10(7), 2353-2358
Published Online July 2021 in Hans. http://www.hanspub.org/journal/aam
https://doi.org/10.12677/aam.2021.107246
文章引用: 鲁海波. 自适应设计下基于 COX 回归模型的序贯压缩估计研究[J]. 应用数学进展, 2021, 10(7): 2353-2358.
DOI: 10.12677/aam.2021.107246
自适应设计下基于COX回归模型的序贯压缩估
计研究
鲁海波
新疆师范大学数学科学学院，新疆 乌鲁木齐
收稿日期：2021年6月12日；录用日期：2021年7月1日；发布日期：2021年7月13日
摘 要
在COX回归模型的应用中，我们经常会遇到包含太多变量的数据集，而这些变量中只有少数变量对模型
有贡献。因此，在推断过程中估计“无效”变量会浪费大量的样本。在本文中，我们提出一种基于自适
应压缩估计的序贯抽样策略来构造“有效”参数的固定长度的置信集，这样在忽略模型中的“无效”变
量影响的同时，使用最少样本将模型中的“有效”变量快速地识别出来。最后，在自适应设计下对我们
所提出的序贯抽样策略进行数值模拟并且数值模拟达到了预期的效果。
关键词
序贯抽样，样本量，压缩估计，停止法则
Sequential Shrinkage Estimate Based on
COX Regression Model under
Adaptive Design
Haibo Lu
School of Mathematics Science, Xinjiang Normal University, Urumqi Xinjiang
Received: Jun. 12
th
, 2021; accepted: Jul. 1
st
, 2021; published: Jul. 13
th
, 2021
Abstract
In the applications of COX regression models, we always encounter the data sets which contain too
many variables that only a few of them contribute to the model. Therefore, it will waste much more
samples to estimate the “non-effective” variables in the inference. In this paper, we use a sequential
资源评论
