孙红卫　杨文越　王　慧　罗文海　胡乃宝　王　彤△



惩罚logistic 回归用于高维变量选择的模拟评价*

孙红卫1,2杨文越2王慧1罗文海2胡乃宝2王彤1△

【提要】目的logistic回归是生物医学研究中常用的方法，可以进行影响因素筛选、概率预测、分类等。高通量测序技术得到的数据给高维变量选择问题带来挑战。惩罚logistic回归可以对高维数据进行变量选择和系数估计，且其有效的算法保证了计算的可行性。方法本文介绍了常用的惩罚logistic算法如LASSO(least absolutes shrinkage and selection operator)、EN(elastic net)、SCAD(smoothly clipped absolute deviation)、MCP(minimax concave penalty)以及SIS(sure independence screening)等，并用模拟数据对各方法进行评价。结果(1)各方法的结果与自变量间的相关程度有关，不同惩罚logistic回归的精确性与自变量间的相关程度有关，如果相关较高，LASSO或EN的结果较好，而在相关较低时，MCP或SCAD结果较好；(2)结合SIS的方法倾向于少选变量，误选率低，但敏感度也低，而LASSO、MCP、SCAD选择变量较多，误选率高，但敏感度较高;(3)当自变量间低度相关时，SIS的三种方法结果非常接近，但相关较高时，SIS+LASSO的结果表现较好。结论采用非小细胞型肺癌的基因数据集进行实例分析，并表明如何根据模拟实验的结论，在多种方法的不同结果间进行选择。

高维变量选择惩罚logistic回归LASSOMCPSCADSIS

logistic回归模型已经被广泛应用在生物医学领域，它适用于响应变量为分类资料的情况。它通过对概率进行logit变换，并对其与协变量的线性组合建立模型，用来探索影响因素或者预测疾病的发生概率。

随着高通量技术的快速发展，现在的遗传学研究已经提供了丰富的数据集，用来识别与疾病(如癌症、自身免疫性疾病、心脏病和精神疾病等)有关的遗传变异[1-3]。……