王静娴，赵 芃，李业棉，杨嵛惠，陈方尧

(西安交通大学医学部公共卫生学院流行病与卫生统计学系，陕西西安 710061)

近年来，随着生物医学检验检测技术的发展，研究中生物医学数据的积累呈现指数级别的增长，尤其是在组学研究领域，测序技术的发展实现了基因、蛋白质等大规模组学数据的测量和积累。常规的统计分析中，在进行多变量分析时，往往要求自变量的数量和样本量成一定的比例[1]。然而，在实际研究中，特别是涉及组学分析的相关研究中，研究所关注的自变量数量往往远大于其收集的样本量数量，这类自变量的数量p远大于样本量n，即p>>n的数据被称为高维数据[2]。目前，高维数据分析被广泛应用于生物医学研究的各个领域，如计算生物学研究、组学研究、危险因素筛选和预后模型建立等。如何从海量的高维数据中提取有用的信息，筛选出最关键的研究变量，是高维数据分析研究中的重点和热点问题。

由于在高维数据的分析中存在许多假定条件，且高维数据本身的统计性质复杂，因此，在高维数据的分析中，虽然存在许多可选方法，但对于各个方法的实际效果，并没有公认的一致评价。本研究旨在通过Monte Carlo 模拟的方法，评估几种常用方法在高维数据变量筛选中的效果，为制定特定条件下高维生物医学数据的变量筛选策略提供依据。

1 材料与方法

常规的统计建模方法中，常要求数据中的变量数量(成一定比例的)小于样本量数量，且自变量间不存在或仅存在很弱的相关性。但是……