生存分析中变系数风险模型的一些进展.pdfVIP

中国现场统计研究会第f‘三届学术年会论文 2007年8月 生存分析中变系数风险模型的一些进展牢 周勇 中国科学院数学与系统科学研究院应用数学研究所 北京100080 §1 引言 半参数模型是现代统计学的重要研究分枝．它被广泛应用于生物统计，医学，生态学， 经济学与金融学，以及人文社会科学等．半参数模型包括了大多数统计学中经常使用的模 型．它的两个最主要代表的模型是部分给性回归模型和Cox半参数模型．而部分线性回归 模型的一般推广就是半变系数模型．本文就有关的半变系数模型以及一般Cox模型进行 讨论，在讨论当中，也将涉及这些模型的相关推广．有关部分线性模型及半参数模型，将在 另文中讨论．半变系数模型以及一般Cox模型也属于半参数研究的范围． 周知，参数方法与非参数方法都是统计学最为成熟的方法，为什么要研究半参数模型 呢?统计学中最为古典和最重要的是参数模型．但是由于参数模型需明确的概率分布，常 用的统计推断方法包括极大似然估计及矩估计等方法． 但是在现代统计学中经常要分析各种复杂数据，特别是与生物学、医学、生态学、环 境科学、经济学与金融学等学科的交叉相结合中，往往是很难知道研究对象的明确概率分 布．因此参数方法在这种情况下是无能为力的．另外，即使可以应用参数模型，在确认的 参数模型发生偏差时，所获得的参数结果可能导致极大的偏差，这就是所谓：差之毫厘， 失之千里．这就是俗称的模型误判．因此，人们仅使用参数模型是不够的． 非参数统计模型是一种较为稳健的统计建模方法，克服了参数模型的最大缺点，即模 型不稳健性．但是非参数统计推断方法也有一个致命的缺点，对于高维数据的处理，其效 率是很低的，甚至所得的结果很不准确，其主要原因就是“维数祸根’所引起的．因此在 非参数下如何避免或减少“维数祸根”的影响，是目前统计学家的致力研究的重要方向之 一．一个行之有效的方法就是应用半参数模型．其主要思想是在模型建立上提出既能降低 “维数祸根”的影响，同时兼顾参数模型的优点．对于不同的数据，统计的模型拟合和推 中国现场统计研究会第t‘三届学术年会论文 2007年8月 堑! 断不同，这就迫使人们仍需要进一步研究不同数据结构下的半参数模型． 半参数模型结合了非参数模型及参数模型的优点，克服了参数模型要有明确概率分 布的缺点，同时兼有克服非参数模型的“维数祸根”问题．半参数模型在统计学上具有兼 顾抽样数据差异性，研究对象的个体差异性及总体差异性等特点．对于半参数模型，特别 是部分线性半参数模型及Cox半参数模型有很长的历史．对于这两种模型有很多的推广， 产生了很多半参数模型，丰富了半参数模型内容．其中最为重要的就是推广为半变系数模 型和变系数Cox模型，半变系数模型和变系数Cox模型具有考虑风险因素交互影响的特 性，可以动态地研究数据特征．既保持了半参数模型的优点同时也具有具有线性关的回归 形式，从而使对未知参数估计变得方便，准确，及易于解释．在此报告中将对变系数模型及 半变系数进行研究．我们重点讨论变系数的Cox回归模型估计及检验问题．首先，介绍变 系数的Cox回归模型，此模型很容易地处理样本之间风险因素的交互影响，风险因素的 动态影响，以及风险因素非线性性．之后再扩展到纵向数据下的变系数的Cox回归模型， 即是边际Cox回归模型，此模型重点强调了纵向数据组内相关性． §2变系数模型 §2．1变系数的Cox回!Jj模型 生存分析中风险模型广泛用于生物统计、工程统计与可靠性统计、金融统计和经济 统计中．风险率函数描述了事件在某一时间前没有发生，而将于未来的很短时间内发生 的概率对时间的变化率。风险模型能够给出各种风险因素影响量化的分析。但古典的Cox 成比例模型不能解释风险因素的交互影响，也不能动态地解释风险因素对风险率的影响． 所考虑的变系数的Cox回归模型是 A(t)=入o(t)exp{p(V矿(t))丁z(t)+夕(Ⅳ(t)))．(2．1) 其中p(·)和9(·)是依赖变量w的未知系数函数．在删失数据下，我们给出了p(．