發(fā)布時間：2017-09-21 08:29

  本文關(guān)鍵詞：帶終止事件的復(fù)發(fā)事件數(shù)據(jù)加速比率模型

  更多相關(guān)文章： 復(fù)發(fā)事件 終止事件 估計(jì)方程 加速比率模型 邊際模型 模型檢驗(yàn)

【摘要】：在縱向跟蹤研究中,我們感興趣的事件在每個個體身上可能發(fā)生不只一次,這樣的事件稱為復(fù)發(fā)事件,對應(yīng)的數(shù)據(jù)稱為復(fù)發(fā)事件數(shù)據(jù)。復(fù)發(fā)事件廣泛存在于生物學(xué)、醫(yī)學(xué)等領(lǐng)域。早期研究中將死亡等視為右刪失,假設(shè)其與復(fù)發(fā)事件獨(dú)立。但很多情況下,疾病的不斷復(fù)發(fā)和死亡間有很強(qiáng)的相關(guān)性,這與假設(shè)不符。近年來,學(xué)者提出終止事件概念,即:阻止復(fù)發(fā)事件再發(fā)生的事件,以區(qū)別于右刪失。終止事件概念的引入使得原有的廣義估計(jì)方程出現(xiàn)部分缺失值。邊際模型方法是處理帶終止事件的復(fù)發(fā)事件數(shù)據(jù)的常用方法之一,它對終止事件和復(fù)發(fā)事件之間的關(guān)系不做具體假設(shè),是一種比較穩(wěn)健的方法。本文使用該方法對帶終止事件的復(fù)發(fā)事件數(shù)據(jù)建立加速比率模型,通過對終止事件發(fā)生時間和刪失時間建模,分別使用生存逆概率加權(quán)(inverse probability of survival weighting)方法和刪失逆概率加權(quán)(inverse probability of censoring weighting)方法構(gòu)造缺失值的估計(jì),得到新的估計(jì)方程,并證明了所得估計(jì)的相合性和漸近正態(tài)性。加速比率模型中,協(xié)變量的作用是直接對比率函數(shù)中的時間進(jìn)行尺度變換,具有形式簡單、解釋性強(qiáng)等特點(diǎn),是主要的半?yún)?shù)模型之一。但因其特殊結(jié)構(gòu)導(dǎo)致部分估計(jì)值的方差可能出現(xiàn)數(shù)值不穩(wěn)定的情況,我們利用重抽樣技術(shù)加以解決,同時給出模型檢驗(yàn)的方法。
【關(guān)鍵詞】：復(fù)發(fā)事件 終止事件 估計(jì)方程 加速比率模型 邊際模型 模型檢驗(yàn)
【學(xué)位授予單位】：貴州大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：C812
【目錄】：

• 摘要3-4
• Abstract4-5
• 第一章 緒論5-8
• 第二章 失效時間與復(fù)發(fā)事件數(shù)據(jù)建模8-14
• 2.1 失效時間建模方法8-11
• 2.2 不帶終止事件的復(fù)發(fā)事件建模11-12
• 2.3 帶終止事件的復(fù)發(fā)事件數(shù)據(jù)建模12-14
• 第三章 帶終止事件的復(fù)發(fā)事件數(shù)據(jù)加速比率模型14-26
• 3.1 生存逆概率加權(quán)(IPSW)方法16-22
• 3.2 刪失逆概率加權(quán)(IPCW)方法22-26
• 第四章 加速比率模型與重抽樣技術(shù)26-34
• 4.1 帶終止事件的加速比率模型參數(shù)方差估計(jì)26-27
• 4.2 模型檢驗(yàn)27-30
• 4.3 數(shù)值模擬30-34
• 第五章 結(jié)論與展望34-35
• 致謝35-36
• 參考文獻(xiàn)36-40
• 附錄40-44
• 攻讀碩士學(xué)位期間發(fā)表的論文40-41
• 模擬程序41-44

，

本文編號：893434