검열된 분위수 회귀(censored quantile regression)는 고전적 Cox 비례위험모형이나 가속고장시간(accelerated failure time) 모형의 유망한 대안으로서, 이론 및 응용 통계 전반에서 주목받고 있다. 분위수 회귀는 우측 검열(right-censored) 생존자료에 대해 광범위하게 연구되어 왔으나, 구간(censored) 검열자료(interval-censored data)를 분석하기 위한 방법론은 생존분석 문헌에서 여전히 제한적이다. 본 논문에서는 선형 검열 분위수 회귀(linear censored quantile regression)를 추정하기 위한 새로운 국소 가중(local weighting) 접근법을 제안하며, 이는 다양한 형태의 구간 검열 생존자료를 처리하도록 특별히 설계되었다. 회귀 모수에 대한 추정 방정식과 이에 대응하는 볼록(convex) 목적함수는 두 구간 끝점(interval endpoints)에서의 분위수 손실(quantile loss) 기여를 가중 평균한 형태로 구성할 수 있다. 가중 계수(weighting components)는 국소 커널 스무딩(local kernel smoothing) 또는 앙상블 기계학습(ensemble machine learning) 기법을 통해 비모수적으로 추정된다. 구간 검열자료에 대한 비모수적 분포 질량(nonnparametric distribution mass)을 추정하기 위해, 주체별(subject-specific) 잠재 포아송(latent Poisson) 변수를 도입하는 방식으로 비모수 최대우도추정(nonparametric maximum likelihood estimation)을 위한 수정된 EM 알고리즘을 사용한다. 제안된 방법의 경험적 성능은 광범위한 시뮬레이션 연구와 두 개의 HIV/AIDS 데이터셋에 대한 실제 데이터 분석을 통해 입증된다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.