Semiparametric regression analysis of multivariate doubly censored data

Li, Shuwei; Hu, Tao; Tong, Tiejun; Sun, Jianguo

doi:10.1177/1471082x19859949

Cited by 6 publications

(2 citation statements)

References 37 publications

Supporting

Mentioning

Contrasting

Order By: Relevance

“…It is worth to note that in the literature, the term doubly censored data is sometimes also used to denote the type of failure time data where the failure time variable of interest T is either left or right censored if T ≤ L or T > R , respectively, and exactly observed if L < T ≤ R with L < R (Li et al ., 2018; Li et al ., 2020b). A similar situation is that instead of double censoring, in practice, one may face double truncation where L and R serve as left‐truncated and right‐truncated variables rather than censoring variables (Liu et al ., 2020; Ying et al ., 2020).…”

Section: Directions For Future Researchmentioning

confidence: 99%

Variable Selection for Interval‐censored Failure Time Data

Sun

2021

Int Statistical Rev

Self Cite

View full text Add to dashboard Cite

Summary Variable selection for interval‐censored failure time data has recently attracted a great deal of attention along with the analysis of interval‐censored data in both method developments and practical applications. Interval‐censored data are a general type of time‐to‐event or failure time data where the failure time of interest is known or observed only to lie in an interval instead of being observed exactly. They often occur in different forms and in many fields, including demographical studies, epidemiological studies, medical or public health researches and social sciences. This paper will discuss and review the existing methods for variable selection based on interval‐censored data, a relatively new but important topic, along with some directions or issues that need more research.

show abstract

Section: Directions For Future Researchmentioning

confidence: 99%

Variable Selection for Interval‐censored Failure Time Data

Sun

2021

Int Statistical Rev

Self Cite

View full text Add to dashboard Cite

show abstract

“…In this case, unexpected interruptions of scheduled experiments create fully missing values or censored survival (or failure time) data. The structure of such data and the censored data described above are quite different and require different statistical techniques for their analysis (Li et al, 2019;Chen et al, 2013). Our discussion is about the first type of censored data, in which the outcome of the variable of interest are below (or above) to a limit of detection (LOD).…”

Section: The Censored Linear Regressionmentioning

confidence: 99%

6 Models with limited dependent variables

2021

Panel Methods for Finance

View full text Add to dashboard Cite

Para a realização desta tese diversas pessoas e entidades tiveram diferentes níveis de participação. Embora não seja possível enumerá-las todas, gostaria de expressar um agradecimento especial àquelas que contribuíram de forma mais direta e decisiva para o cumprimento deste objetivo.Primeiramente, quero agradecer às minhas orientadoras, pela disponibilidade, sugestões e esclarecimentos prestados durante a realização desta tese.À Fundação Calouste Gulbenkian, pelo financiamento do curso e acompanhamento do meu percurso académico, sem os quais não me seria possível frequentar um programa de Doutoramento em Matemática na Universidade de Aveiro.À minha mãe e irmãs, pelo incentivo e apoio incondicional.Aos colegas e amigos que me acolheram neste país: Muito obrigado! palavras-chave dados censurados, regressão linear, autocorrelação, análise bayesiana, amostrador de Gibbs, ampliação de dados, dados multivariados ResumoO problema de estimar modelos de regressão linear (RL) para dados censurados com erros autocorrelacionados surge em muitos estudos ambientais e sociais. Além disso, frequentemente, os problemas da vida real requerem a modelação de várias variáveis de resposta em simultâneo. O presente trabalho propõe métodos para estimar modelos de regressão linear para dados censurados no contexto de séries temporais e dados multivariados. Os métodos baseiam-se na criação de conjunto de dados completos através da imputação das observações censuradas, que é a estratégia mais amplamente utilizada quando estamos perante dados omissos ou censurados. No contexto de dados de séries temporais univariadas, utilizou-se uma abordagem bayesiana para estimar modelos de regressão censurados com erros autoregressivos AR(p). Esta abordagem considera o amostrador Gibbs com ampliação de dados (GDA), na qual, em cada iteração, são simulados tanto os parâmetros do modelo como as variáveis latentes. Para o cálculo da distribuição a posteriori, aplicou-se uma transformação adequada da variável latente, o que permitiu a obtenção da função de verosimilhança completa para o modelo. O estudo de simulação realizado mostra que a abordagem proposta produz estimativas com uma elevada precisão mesmo em cenários em que a proporção de observações censuradas é grande. Métodos de diagnóstico e seleção de modelos para dados censurados e autocorrelacionados são propostos e ilustrados num conjunto dados reais. No contexto de dados multivariados, propuseram-se três métodos de estimação baseados na ampliação de dados, nomeadamente, o algoritmo EM (Expectation Maximization), o algoritimo de ampliação de dados usando a abordagem clássica (DA) e o algoritmo GDA. Por meio de estudo de simulação, estudaram-se as propriedades assintóticas das estimativas, concluindo-se que as estimativas produzidas por DA e GDA são consistentes para correlação baixa e moderada. Além disso, desenvolveu-se um procedimento para calcular diferenças parciais de dados multivariados, o que permitiu deduzir a função de verosimilhança e distribuição a posteriori para o modelo de regressão m...

show abstract

Overview of Recent Advances on the Analysis of Interval-Censored Failure Time Data

2022

Emerging Topics in Modeling Interval-Censored Survival Data

View full text Add to dashboard Cite

Semiparametric regression analysis of multivariate doubly censored data

Cited by 6 publications

References 37 publications

Variable Selection for Interval‐censored Failure Time Data

Variable Selection for Interval‐censored Failure Time Data

6 Models with limited dependent variables

Overview of Recent Advances on the Analysis of Interval-Censored Failure Time Data

Contact Info

Product

Resources

About