病例队列研究的经验似然分析：Cox模型下的新方法

"Empirical likelihood method for case-cohort studies by YU Wen from Fudan University's Department of Statistics, focusing on statistical inference in case-cohort design under the Cox model, using an empirical likelihood approach." 病例队列研究是一种在大型流行病学追踪研究中常见的抽样设计，它能有效地降低样本采集的成本。在这种设计中，研究开始时先确定所有参与者（队列），然后仅选择一部分特定事件（如疾病发生）的病例和随机样本进行深入分析。郁文在复旦大学管理学院统计学系的工作中，针对病例队列抽样设计提出了一种新的分析方法，即基于Cox比例风险模型的经验似然方法。 Cox比例风险模型是流行病学中常用的生存分析工具，它假设不同因素对风险的影响可以表示为相对于基线风险的相对危险度的乘积。郁文的方法构建了一个回归系数的对数经验似然比统计量，这个统计量在大样本下的极限分布接近卡方分布。这使得研究人员能够对回归参数进行统计推断，即评估各因素与疾病发生的关系。 传统的Wald型推断方法需要估计估计量的方差，而郁文提出的经验似然方法则避免了这一复杂步骤。这种方法可以对整个参数向量的任意线性组合进行推断，简化了统计分析过程。此外，通过模拟研究和实际案例分析，郁文证明了该方法的有效性和实用性。 经验似然方法的核心在于它不依赖于完整的数据分布，而是基于部分观测数据构造似然函数。在病例队列设计中，由于只有一部分病例和随机样本被观测，这种方法显得尤其适用。Wilks定理在这里起着关键作用，它确保了经验似然比统计量的性质与完整数据下的似然比检验相似。 郁文的文章提供了病例队列研究中一种新的统计分析策略，这种方法不仅简化了参数推断的过程，而且提高了分析效率。对于从事流行病学研究的学者和实践者来说，这是一种值得考虑的替代方法，特别是在处理大规模数据集时，可以有效降低计算复杂性并保持统计功效。