Get access

Reweighting estimators for the additive hazards model with missing covariates

Authors


Abstract

Missing covariate data are common in biomedical studies. In this paper, we propose a reweighting method to estimate the regression parameters in the additive hazards regression model when some of the covariates are missing at random. The resulting estimators are shown to be consistent and asymptotically normal. In addition, a lack-of-fit test is presented to assess the adequacy of the model with missing covariates. Simulation studies show that the proposed reweighting estimators perform well, and are more efficient than the weighted estimators for the missing covariate effects when the selection probability is small. An application to the mouse leukaemia data is provided. The Canadian Journal of Statistics 42: 285–307; 2014 © 2014 Statistical Society of Canada

Résumé

Les données comportant des valeurs manquantes pour les covariables sont courantes dans les études biomédicales. Dans cet article, les auteurs proposent une méthode de repondération pour estimer les coefficients du modèle de régression à risques additifs lorsque certaines covariables sont manquantes au hasard. Ils montrent que les estimateurs obtenus sont convergents et asymptotiquement normaux. De plus, ils présentent un test d'adéquation pour le modèle à covariables manquantes. Des simulations montrent que les estimateurs repondérés proposés sont performants et plus efficaces que les estimateurs pondérés pour la covariable présentant des valeurs manquantes lorsque la probabilité de sélection est faible. Des données portant sur la leucémie chez les souris permettent d'illustrer la méthode. La revue canadienne de statistique 42: 285–307; 2014 © 2014 Société statistique du Canada

Get access to the full text of this article

Ancillary