纵向数据跟生存数据的联合模型 —基于机器学习方法.pdf

Statistical and Application 统计学与应用, 2015, 4(4), 252-261 Published Online December 2015 in Hans. /journal/sa /10.12677/sa.2015.44028 The Joint Model of Longitudinal and Survival Data —Based on Machine Learning Methods Zheng Wen School of Mathematics, Yunnan Normal University, Kunming Yunnan nd th rd Received: Dec. 2 , 2015; accepted: Dec. 20 , 2015; published: Dec. 23 , 2015 Copyright © 2015 by author and Hans Publishers Inc. This work is licensed under the Creative Commons Attribution International License (CC BY). /licenses/by/4.0/ Abstract In this paper, machine learning methods for longitudinal data and survival data modeling, replace the longitudinal sub-model linear random effects model; survival sub-model still uses Cox propor- tional hazards model. Compared with the traditional method, the residuals plots of survival sub- model diagnose modeling methods in line with theoretical results and the residuals of the longi- tudinal sub models are more dispersed than the linear mixed model. Keywords Joint Model, Machine Learning, Martingale Residuals, Cox-Snell Residuals 纵向数据与生存数据的联合模型 —基于机器学习方法 温 征 云南师范大学数学学院，云南 昆明 收稿日期：2015年12月2 日；录用日期：2015年12月20 日；发布日期：2015年12月23 日 文章引用: 温征. 纵向数据与生存数据的联合模型[J]. 统计学与应用, 2015, 4(4): 252-261. /10.12677/sa.2015.44028 温征 摘 要 本文运用机器学习方法对纵向数据与生存数据建模，以机器学习方法代替纵向子模型中的线性随机效应 模型；生存子模型仍运用Cox 比例危险模型。与传统的建模方法做对比，此建模方法的生存子模型残差 图诊断符合理论结果，纵向子模型的残差要比线性混合模型分散。 关键词 联合模型，机器学习，殃残差，Cox-Snell残差 1. 引言 在医学临床实验中经常收集到单个观测对象的多个指标的多次测量结果即纵向数据和时间事件数据。 对于这类测量结果的研究经常被分开分析，但是在某种场合，感兴趣的却是这纵向结果和生存结果的相 关结构。在过去的二十年中，这种数据的统计分析引起了统计学家的关注。纵向数据和时间事件数据的 联合模型也随之发展，并广泛应用于医学中随访数据的分析。Rizopoulos