Estimation performance comparison of regularized sliced inverse regression between bivariate and univariate slicing after reweight transformation in survival data

Abstract

In high-dimensional data analysis, dimension reduction is inevitable to avoid the curse of dimension. Sliced inverse regression is a popular method in high-dimensional responses often affects performances of the method. In this paper, for right-censored survival data, the estimation performances of regularized sliced inverse regression are compared between usual bivariate slicing and univariate slicing done after transforming observed survival time and censoring status as a single variable. For the transformation, reweighting method is considered. The numerical studies show that there are not big differences between the two slicing schemes.;첨단 기술이 고도로 발전함에 따라 데이터의 수집과 저장이 용이해졌고, 그와 더불어 데이터 분석의 중요성도 그 어느 때 보다 중요시 되고 있다. ‘빅 데이터’의 시대가 도래한 것이다. 그에 따라, 많은 변수를 포함한 고차원의 데이터의 분석에 대한 수요도 늘어나고 있다. 고차원 데이터에 적용하는 충분 차원 축소의 한 방법으로 Sliced inverse regression(SIR) 이 있다. 본 논문에서는 SIR의 한계점을 극복하기 위한 regularized SIR을 소개하고, 생존분석 데이터의 이변량 반응변수를 ‘Reweight' 방법을 이용하여 일변량으로 변환해 각 경우를 regularized SIR에 적용하고, 그 결과를 비교해보고자 한다.