《Mathematics》：A Shape-Adaptive Gamma-Mixture Power Shanker Distribution: Boundary-Aware Inference, Censored Regression, and Predictive Validation
编辑推荐：
Gamma-Mixture Power Shanker（GMPS）分布对正寿命进行建模，其构造是允许Shanker混合中的gamma分量改变形状，再施加幂变换。该模型的三个参数分别控制潜在gamma形状、速率与混合权重，以及幂变换。该模型包含Power Sha
Gamma-Mixture Power Shanker（GMPS）分布对正寿命进行建模，其构造是允许Shanker混合中的gamma分量改变形状，再施加幂变换。该模型的三个参数分别控制潜在gamma形状、速率与混合权重，以及幂变换。该模型包含Power Shanker作为内部子模型，并在边界处包含Weibull模型。研究人员建立了完整数据似然和右删失似然、协变量依赖的速率回归，以及用于在这些嵌套模型中进行选择的基于似然的诊断。边界论证确立了连续性，识别了Weibull的冗余参数（nuisance parameters），并验证了额外形状具有正但很小的有效信息（efficient information）。一项新的近边界模拟报告了偏差、经验标准差、均方根误差、剖面集覆盖率（profile-set coverage）和边界检验拒绝率，揭示了明显的有限样本不确定性和有限的检验功效。在228例肺癌应用中，拟合闭包（fitted closure）选择Weibull；多次启动参数自助（parametric bootstrap）重分析在5%阈值上支持边界参考，但显示其零点质量（zero mass）存在差异。在各个完整数据应用中，相对拟合、反对Weibull的证据、反对Power Shanker的证据以及绝对拟合优度导致了不同结论。降雨拟合未通过两个校准的拟合优度标准，而玻璃纤维的Kolmogorov–Smirnov结果为临界。重复预测验证显示GMPS对肺癌数据没有实质性优势。因此，该族提供了一个可检验的扩展，其额外形状只应在数据支持时予以保留。
研究背景与科学问题
正寿命与可靠性数据常在偏度、尾重和失效率随时间的动态变化上存在差异。Shanker分布由一个指数分量与一个形状为2的gamma分量混合而成；Power Shanker对其施加幂变换得到两参数模型。近年出现的指数化Power Shanker（EPS）和Sujatha族三参数扩展，主要依赖增加自由参数，但新寿命模型应具有数学上独特的构造、可解释的嵌套关系、完整的似然推断，并且至少在某些数据中体现出额外灵活性的价值。为此，研究人员提出形状自适应Gamma混合Power Shanker（GMPS）分布：允许Shanker混合中潜在gamma形状变化，再施加幂变换；该族以Power Shanker为内部子模型，以Weibull为边界。右删失是生存数据中常见情形，随访结束前未发生事件时，记录时间只提供生存时间的下界，因此需要发展删失回归。
研究内容与总体结论
研究人员推导了GMPS的密度、分布函数、生存函数、矩、不完全矩、Lorenz和Bonferroni曲线、平均剩余寿命、分位数、矩生成函数、Rényi熵和次序统计量；建立了完整数据和右删失极大似然推断，提出协变量作用于速率的回归模型；通过边界论证和新的近边界模拟研究Weibull边界推断；用四个完整数据集和两个删失队列验证了模型。总体结论是：GMPS是一个可检验的扩展，其边界有效信息为正但很小，有限样本下形状参数估计不确定性大；实际应用中，额外形状只应在数据支持时保留。
关键技术方法
研究方法以极大似然估计为核心，构造完整数据、右删失和速率回归似然，用解析得分与L-BFGS-B多起点优化；利用混合表示进行精确随机模拟。通过剖面似然、似然比检验和参数自助重拟合进行嵌套比较与拟合优度校准；边界推断采用单边界坐标似然比理论。预测验证采用重复分层5折交叉验证，计算Harrell一致性指数与逆概率删失加权（IPCW）Brier分数。数据来源包括：斯坦福心脏移植数据（69例，45例死亡，24例删失）、NCCTG肺癌数据（228例，165例死亡，63例删失），以及玻璃纤维（63）、碳纤维（100）、膀胱缓解（128）和洛杉矶降雨（85）四个完整数据集。
研究结果
6.1 数据集与竞争模型
研究人员对玻璃纤维、碳纤维、膀胱缓解和洛杉矶降雨四个正数据集重新计算了GMPS与嵌套Power Shanker、EPS、广义gamma、Power Sujatha、Weibull和gamma的极大似然拟合。结果显示：玻璃纤维数据中GMPS的AIC、KS和AD最小；洛杉矶降雨中EPS的AIC、KS和AD最小；碳纤维中Power Shanker的AIC和BIC最小；膀胱缓解中EPS的AIC、KS和AD最强，而Power Shanker的BIC最小。这些结果不支持GMPS普遍最优。
6.2 数据是否使用新参数
针对嵌套Power Shanker子模型的似然比检验显示，该嵌套比较是必要但不充分的：它只回答α是否改进Power Shanker，不能说明拟合的GMPS本身是否充分。
6.3 α的剖面似然识别
95%剖面似然区间显示，玻璃纤维和降雨的剖面排除α=1，与Power Shanker检验一致；碳纤维和膀胱缓解的剖面到达下边界，说明这些数据对α大小的信息较弱。
6.4 三个GMPS参数的局部不确定性
基于观测信息的局部区间显示，碳纤维数据的形状参数区间极宽（0.00094到328.074），无法对点估计给出精确解释，属于实际上的弱识别。
6.5 重拟合参数自助拟合优度
对每个GMPS拟合进行约1000次重拟合参数自助后，玻璃纤维的Kolmogorov–Smirnov检验处于临界（略低于5%）；洛杉矶降雨被KS和Cramér–von Mises（CvM）在5%水平拒绝，AD临界；碳纤维和膀胱缓解未被任何校准的EDF标准拒绝。这表明相对模型比较、参数有用性和绝对校准是不同的问题。
6.6 真实右删失回归：斯坦福心脏移植数据
在69例斯坦福心脏移植数据中，GMPS速率回归显示年龄标准化系数有显著作用，95%剖面区间排除0；模型隐含的中位生存时间从40岁约566天降至50岁213天、60岁79天。但额外形状相对Power Shanker的似然比很小，且对数正态和对数逻辑回归的AICc更小，边界检验未拒绝Weibull。
6.7 大型多变量删失验证：NCCTG肺癌数据
6.7.1 全数据回归与边界行为
在228例NCCTG肺癌数据中，拟合闭包选择Weibull边界；协变量块似然比统计量为32.286（自由度4），其中女性性别和ECOG表现评分的调整关联最清晰。名义AICc/BIC仅为描述性，不能替代边界推断。
6.7.2 重复交叉验证预测比较
所有150个模型拟合均收敛。对数逻辑模型的平均一致性指数最大且180天Brier分数和积分Brier分数最小，Weibull的365天Brier分数和参数化留出负对数分数最小。GMPS未显示实质性预测优势；365天校准中最高预测生存分位组平均预测约0.658，而Kaplan–Meier估计为0.547，存在约0.11的过度预测。
7 面向Weibull边界的推断
7.1 α=0处的似然比理论
边界命题确立了密度和生存函数在α=0处的连续延拓，Weibull的速率和幂参数可识别；冗余信息矩阵非奇异，但额外形状的有效信息为正且很小。在速率1.2时，每个观测的有效形状信息约为0.00764607，解释了宽形状区间和缓慢的有限样本估计。
7.2 肺癌回归下的参数自助校准
对600个模拟样本采用三起点重分析后，经验零点质量为0.439，而非渐近的0.5；线性插值95%分位数为2.709，高阶统计量校准截断值为2.769，理论5%阈值处的拒绝率为0.050。这表明总体验证阈值与渐近参考一致，但有限样本分布并不完全匹配。
7.3 边界检验在各应用中的含义
渐近边界检验显示玻璃纤维、降雨和膀胱缓解拒绝Weibull；但只有玻璃纤维和降雨同时拒绝Power Shanker。膀胱缓解与更简单的Power Shanker模型相容，说明检测到偏离某个嵌套基线并不等于绝对拟合充分或预测改进。
讨论与结论
讨论部分指出，边界分析为模型简化提供了完整数据比较和删失回归之外的补充视角。正但很小的有效信息解释了理论可识别性与平坦似然、较大有限样本不确定性并存的现象。局限性包括有限样本形状信息弱、参数自助校准依赖具体设计、上剖面端点缺乏统一覆盖保证；原始完整数据模拟使用有利的生成参数作为起点，其RMSE结论依赖于该方案，而新的多起点压力研究不能完全消除这一限制。研究结论可概括为：GMPS通过改变潜在gamma形状并施加幂变换扩展了Shanker混合；精确嵌套、可处理的似然推断、模拟和速率回归使其能够与Power Shanker子模型和Weibull边界进行比较。边界推导识别出正但很小的有效形状信息，新压力研究展示了由此产生的不确定性和有限的检测功效。多次启动肺癌自助分析与5%阈值下的渐近参考一致，但零点质量为0.439而非0.5；近边界研究同样表明局部渐近参考不能推广到所有有限样本。肺癌拟合选择Weibull，仅使用训练集的重复交叉验证未显示GMPS的预测增益。实证建议是有条件的：在保留额外参数前，应检查绝对拟合优度、比较两个嵌套假设、检查形状剖面并评估留出预测。降雨和玻璃纤维需要拟合优度限制说明，膀胱缓解可保留Power Shanker，肺癌数据则支持Weibull；这些结论只描述所检验样本中的证据，不声称普遍优越性。
