[論文レビュー] On Dealing with Censored Largest Observations under Weighted Least Squares

Md Hasinur Rahaman Khan, J.E. Shaw|arXiv (Cornell University)|Dec 9, 2013

Statistical Methods and Inference参考文献 10被引用数 4

ひとこと要約

本稿では、加重最小二乗法を用いて、加速失敗時間（AFT）モデルにおける最大の打ち切り観測値のための5つの改善された単一化手法を提案する。Efronの再配分法によるバイアスと非有効性を是正する。これらの手法は、Buckley-James単一化にEfronの尾部補正を組み合わせ、新規の平均単一化技術を用いる。非線形加重最小二乗法は二次計画法を用いて最適化され、Efronの手法に比べて平均二乗誤差とバイアスが著しく低減され、特に重度の打ち切りが生じる状況で優れた性能を示す。

ABSTRACT

When observations are subject to right censoring, weighted least squares with appropriate weights (to adjust for censoring) is sometimes used for parameter estimation. With Stute's weighted least squares method, when the largest observation is censored ($Y_{(n)}^+$), it is natural to apply the redistribution to the right algorithm of Efron (1967). However, Efron's redistribution algorithm can lead to bias and inefficiency in estimation. This study explains the issues clearly and proposes some alternative ways of treating $Y_{(n)}^+$. The first four proposed approaches are based on the well known Buckley--James (1979) method of imputation with the Efron's tail correction and the last approach is indirectly based on a general mean imputation technique in literature. All the new schemes use penalized weighted least squares optimized by quadratic programming implemented with the accelerated failure time models. Furthermore, two novel additional imputation approaches are proposed to impute the tail tied censored observations that are often found in survival analysis with heavy censoring. Several simulation studies and real data analysis demonstrated that the proposed approaches generally outperform Efron's redistribution approach and lead to considerably smaller mean squared error and bias estimates.

研究の動機と目的

• 加重最小二乗推定におけるEfronの右側再配分法が最大打ち切り観測値を処理する際に生じるバイアスと非有効性を是正すること。
• 特に重度の打ち切りと tied 打ち切りデータが生じる状況における、最大打ち切り観測値の改善された単一化技術の開発。
• Efronの手法をより正確な単一化戦略に置き換えることで、加速失敗時間（AFT）モデルにおけるパラメータ推定を向上させること。
• 提案手法を実装可能な公開のRパッケージ、imputeYnの提供。
• 異なる打ち切りレベルと予測変数の相関構造における新規単一化手法の性能評価。

提案手法

• Buckley-James単一化にEfronの尾部補正を組み合わせ、二次計画法で最適化された正則化加重最小二乗法を用いた5つの単一化手法の提案。
• 生存データにおける重度の打ち切りが生じる状況で一般的な尾部 tied 打ち切り観測値を処理するための2つの追加手法（反復的および外挿的）を導入。
• Censoring を適切に反映させるために、Kaplan-Meier重みを用いたStuteの加重最小二乗法（SWLS）を適用し、AFTモデル推定における適切な重み付けを確保。
• 最大打ち切り観測値 $Y_{(n)}^+$ を、条件付き平均単一化、再サンプリングに基づく条件付き平均、および予測差分アプローチを用いて単一化。
• 生存時間と予測変数を対数変換したAFTモデルフレームワークを採用し、正則化加重最小二乗法によりパラメータを推定。
• 数値的安定性と収束性を保証するため、正則化加重最小二乗法の最適化問題を二次計画法で解く。

実験結果

リサーチクエスチョン

• RQ1 異なる最大打ち切り観測値の単一化戦略が、Efronの再配分法と比較してバイアスと平均二乗誤差の観点でどのように異なるか？
• RQ2 異なる打ち切りレベルと予測変数の相関構造における、提案手法の性能は？
• RQ3 尾部 tied 打ち切り観測値に対する新規単一化技術は、重度の打ち切りが生じるAFTモデルにおける推定精度を向上させられるか？
• RQ4 Channing Houseデータセットのような実世界の生存データにおいて、提案手法はEfronのアプローチと比較してどのように性能を発揮するか？
• RQ5 正則化加重最小二乗法推定におけるAFTモデルで、どの単一化手法が最も効率的かつバイアスが最小のパラメータ推定をもたらすか？

主な発見

• 特に条件付き平均追加および再サンプリングに基づく条件付き平均追加手法は、すべての打ち切りレベルにおいて一貫して最小のバイアスと平均二乗誤差を示す。
• 重度の打ち切り下では、予測差分単一化アプローチがEfronの再配分法を上回るが、低・中程度の打ち切りレベルでは性能が同等である。
• 反復的単一化手法は、予測差分推定値（例：約137.9）に近い tied 単一化値を生成し、tied 打ち切りデータ下での安定性を示す。
• 外挿的単一化手法は、広範な変動を示す単一化値（例：Channing Houseデータで134.23〜200.32）を生成し、過剰分散の可能性と信頼性の低さを示唆する。
• Channing Houseデータでは、年齢の推定係数が反復的手法で -0.154 から外挿的手法で -0.218 に変化し、モデル推論に顕著な影響を与える。
• 実データ解析では、外挿的手法が反復的手法を上回り、生存曲線推定において優れた性能を示すが、両者ともEfronの手法に比べてモデル適合度とパラメータの精度が向上している。