论文部分内容阅读
本文研究高维部分线性Cox模型的变量选择问题，部分线性Cox模型即相对风险为部分线性形式的Cox模型。由再生核Hilbert空间(RKHS)的理论，相对风险中的非参数部分可以表示为线性形式。于是，本文提出一种惩罚剖面部分似然的方法，对参数部分做变量选择，同时估计参数部分的回归参数和非参数部分。对于高维数据，即“小n大p”问题，在模型选择中应用由BIC准则推广的EBIC准则。最后引入衡量变量选择优良性的两个统计量PSR和FDR，并针对所提出的算法进行数据模拟。