基于贝叶斯方法的高维数据的亚组分析

Subgroup analysis is widely used in applications such as market segmentation and clinical trials. In this project, we will study subgroup analysis with high dimensional data based on Bayesian methods. In details, we will study the following topics: (1) Bayesian Variable Selection for subgroup analysis with high dimensional data; (2) Bayesian methods for subgroup analysis with high dimensional longitudinal data; (3) Bayesian methods for subgroup analysis with high dimensional data and multiple groups; (4) Bayesian methods for subgroup analysis with high dimensional data and unknown number of groups. The study of this project will improve the current results that only finite and small number of covariates are used for subgroup analysis. The theoretical results will provide support for applications and the improved algorithm will provide feasible methods for subgroup analysis.

亚组分析在临床试验及市场细分等领域中应用广泛。本项目拟基于混合模型，用贝叶斯变量选择方法研究高维数据的亚组分析问题。本项目的具体研究内容包括: (1)基于贝叶斯变量选择方法和结构混合模型的亚组分析；(2)基于贝叶斯方法的高维纵向数据的亚组分析；(3)基于贝叶斯方法的高维数据的多组亚组分析；(4)基于贝叶斯方法的高维数据的亚组组数分析。以上问题的研究将完善当前只能基于少数几个关键变量识别亚组组别的方法，其理论结果将丰富混合模型的高维统计推断并为亚组分析的实践提供重要的理论支撑，优化后的算法将为亚组分析的实际应用提供有效可行的方法。

亚组分析在临床试验及市场细分等领域中应用广泛。本项目基于结构混合模型，用贝叶斯变量选择方法研究高维数据的亚组分析问题。本项目具体研究以下内容: 基于贝叶斯变量选择方法和结构混合模型的亚组分析; 基于贝叶斯方法的高维纵向数据的亚组分析; 基于贝叶斯方法的高维数据的多组亚组分析; 基于贝叶斯方法的高维数据的亚组组数分析。该项目在经费全部或部分支持下已正式发表多篇国际顶级期刊论文，另外还有关键文章在投稿和准备中，预期在两年内会于本领域国际顶级期刊发表2-3篇SCI学术论文。此外，相关研究成果也会以软件的形式(如R程序包)给同行和应用人士使用，促进学术交流。