اصلاح روش رگرسيون وارون ورقه شده نوع دو براي داده‌هاي بقاي سانسور شده

Modification of Sliced Inverse Regression to Censored Survival Data

روش‌شناسي كاهش بعد بسنده يك راهكار مؤثر براي تسهيل در تحليل رگرسيوني با داده‌هاي با بعد بالاست. هنگامي كه پاسخ‌ها سانسور شده باشند، برآوردگرهاي موجود را نمي‌توان به‌كار برد يا به شرايط محدودكننده‌اي نياز است. در اين مقاله، براي كاهش بعد داده‌هاي رگرسيوني سانسور شده غيرخطي، اصلاحي از روش رگرسيون وارون ورقه شده ‌نوع دو پيشنهاد شده است. روش پيشنهادي، اولاً به هيچ مدل از پيش تعيين شده‌اي نياز ندارد، ثانياً اطلاعات كامل رگرسيوني را حفظ كرده و مجموعه‌ كوچكي از تركيب پيشگوها را ارائه مي‌دهد كه فرمول‌بندي مدل و پيش‌بيني براساس اين مجموعه انجام مي‌گيرد. در انتها عملكرد اين روش‌، علاوه بر داده‌هاي شبيه‌سازي شده، براي مجموعه‌ داده‌هاي واقعي سيروز صفراوي اوليه‌ كبد مورد بررسي قرار گرفته و نتايج روش معرفي شده با روش رگرسيون وارون ورقه شده ‌نوع يك مقايسه شده است.

The methodology of sufficient dimension reduction has offered an effective means to facilitate regression analysis of high-dimensional data. When the response is censored, most existing estimators cannot be applied, or require some restrictive conditions. In this article modification of sliced inverse, regression-II have proposed for dimension reduction for non-linear censored regression data. The proposed method requires no model specification, it retains full regression information, and it provides a usually small set of composite variables upon which subsequent model formulation and prediction can be based. Finally, the performance of the method is compared based on the simulation studies and some real data set include primary biliary cirrhosis data. We also compare with the sliced inverse regression-I estimator.