缺失數據下加速失效時間模型的經驗似然推斷

《缺失數據下加速失效時間模型的經驗似然推斷》是依託長春工業大學，由袁曉惠擔任項目負責人的數學天元基金項目。

基本介紹

• 中文名：缺失數據下加速失效時間模型的經驗似然推斷
• 項目類別：數學天元基金項目
• 項目負責人：袁曉惠
• 依託單位：長春工業大學

項目摘要

在生存分析中，加速失效時間模型已經得到了廣泛套用。但在實際套用中，數據缺失的情況經常發生，甚至是不可避免的。這給實際工作者使用加速失效時間模型造成了很大的困難。本項目打算在部分協變數隨機缺失機制下構造一類基於經驗似然的推斷函式。通過最小化基於經驗似然的推斷函式，我們可以得到易於計算且高效的回歸參數估計。基於新構造的基於經驗似然的推斷函式，我們可以得到回歸參數的卡方檢驗以及相應的置信域。

結題摘要

作為本項目的前期工作，我們已經完成一篇論文，題為“協變數數據缺失下基於經驗似然的加權分位數回歸”。這篇論文在部分協變數隨機缺失機制下構造了一類基於經驗似然的推斷函式。通過最小化此推斷函式，我們得到了分位數回歸模型中回歸參數的易於計算且高效的參數估計。在缺失機率正確識別時，此估計可以達到半參數下界。我們運用重複抽樣方法得到了參數估計的漸近協方差陣估計。模擬結果表明我們構造的基於經驗似然的加權分位數估計在有限樣本中表現出色。我們用基於經驗似然的加權分位數回歸方法分析了一個實際數據，得到了很好的效果。我們已經將這篇論文投到雜誌《Statistics》。 我們已經成功地將“協變數數據缺失下基於經驗似然的加權分位數回歸”中的方法推廣到協變數數據隨機缺失下的加速失效時間模型。在生存分析中，加速失效時間模型已經得到了廣泛套用。但在實際套用中，數據缺失的情況經常發生，甚至是不可避免的。這給實際工作者使用加速失效時間模型造成了很大的困難。我們在部分協變數隨機缺失機制下構造了一類穩健且高效的推斷函式。通過最小化此推斷函式，我們得到了計算簡單且高效的模型參數估計，以及模型參數的卡方檢驗及其相應的置信域。基於以上結果，我們完成了論文“協變數數據缺失下加速失效時間模型的經驗似然推斷”。此論文正在準備投稿。