现状数据下的贝叶斯比例风险模型的变量选择

摘要

本文在贝叶斯框架下考虑现状数据比例风险模型的变量选择问题。首先构造基于spikeand slab先验,运用二元潜变量标记活跃协变量,给出满条件分布及相应的Gibbs抽样算法。数值模拟比较了该方法与Lasso、SCAD和ALasso方法,结果表明该方法模型正确识别率高。实例选用Ⅱ型糖尿病患者心脏衰竭数据,分析选择出最显著的影响因素,验证了该方法的有效性。