基于一般速率模型的面板计数数据统计分析

在复发事件数据存在删失的情况下,对基准速率函数进行一般化调整之后建立了一般速率模型。同时,给出该模型中未知参数的极大似然估计,并且证明了这些参数估计的大样本性质,即相合性和渐近正态性。利用大量数值模拟验证了文中所提出的模型及参数估计方法的合理性。最后,通过对一组膀胱癌治疗的临床试验数据进行实例分析,刻画协变量对膀胱癌复发率的影响。     

广义I型逐阶区间删失混合Weibull数据的参数估计

源于有限混合总体的广义I型逐阶区间删失数据参数估计方法的研究不多,基于有限混合Weibull模型,讨论Expectation-Maximization(EM)算法对广义I型逐阶区间删失数据参数估计的有效性及其改进。首先给出估计参数的EM算法,通过仿真算例,说明EM算法对广义I型逐阶区间删失混合数据参数估计产生了过度迭代现象,进而,提出了停止EM算法的加权绝对偏差信息准则。改进的EM算法改善了EM算法无法确定参数估计停止迭代时刻的不足,在选择适当初值后,可快速获得满意的参数估计结果。仿真算例验证了该方法的有效性。     

区间删失数据下基于OLLGG分布的多参数回归模型的参数估计

该文基于Ⅱ型区间删失数据,在OLLGG分布下提出多参数回归模型,通过线性回归刻画分布参数与协变量之间的关系,并通过极大似然方法给出了模型的参数估计,数值模拟验证了模型参数的估计有良好的性质,将提出的模型应用到血友病患者HIV感染的数据中,发现提出的模型对数据有灵活的拟合效果.     

部分区间删失数据下广义指数分布的参数估计及应用

考虑部分区间删失数据, 当时间变量服从广义指数分布时, 在尺度参数是否受协变量影响下建立两种模型, 再对模型参数进行极大似然估计, 并用Newton-Raphson算法求解参数估计值. 模拟实验和实例分析结果验证了模型的有效性.     

协变量区间删失时线性变系数模型的参数估计

研究了当协变量为区间数据时的变系数一维线性结构关系模型,通过构造区间数据变量的条件均值,它与区间数据变量具有相同的均值,然后利用加权最小二乘法得到了变系数一维线性结构关系模型中的参数估计,当协变量的分布已知时,证明了估计的弱相合性和强相合性.     

区间删失下广义幂威布尔回归模型的参数估计

为研究区间删失的观测数据,结合广义幂威布尔分布和非线性回归模型提出了广义幂威布尔非线性回归模型,并基于迭代法给出了模型中参数的极大似然估计.最后就不同危险函数、样本量和删失比,通过蒙特卡洛模拟说明了参数估计方法的有效性.     

基于贝叶斯Cox分段指数模型的烧伤感染时间分析

研究在右删失数据下,基于贝叶斯分段指数模型的Cox回归.在删失数据下建立Cox比例风险模型,估计出协变量对感兴趣事件的影响程度.对于Cox模型中基准风险函数,这里采用分段指数方法.对基准风险函数所在区间分段,在每一段上用指数估计基准风险函数,又运用了贝叶斯的方法,对基准风险函数中的参数进行贝叶斯估计,得到更合理的估计结果.最后将该方法应用于烧伤病人的实际数据中,所得结果对烧伤后的治疗具重大实际意义.     

Ⅰ型逐阶区间删失Weibull数据的统计分析

研究了逐阶区间删失Weibull数据的参数估计和最优随机删失计划.应用极大似然估计方法得到参数的估计值,应用最小方差准则给出局部最优删失计划和全局最优删失计划.一个生物医学应用例子及Mont-Carlo数值模拟方法验证方法的有效性.     

高维AFT模型的正则化变量选择

针对生存分析中建立生存模型时,如何处理生存数据中特有的数据类型——删失数据,降低高维协变量的维数,更好地识别出真正具有预测性的因子,建立准确的生存模型的问题,提出用STUTE’s加权最小二乘法和删失限制以及LASSO正则化相结合的方法来对AFT模型进行估计。首先,提出STUTE’s加权最小二乘法和删失限制相结合的方法对生存数据中的删失数据进行处理;其次,提出了LASSO的一个新的实现算法进行模型的变量选择,降低模型中协变量的维数,精简模型;最后,通过仿真分析得到提出的新估计方法较已有的LASSO旧算法以及其他的变量选择方法,VSURF算法更能找出"真"因子,建立准确的生存模型。     

基于多重插补神经网络模型的减压病人危险率变化估计

针对238名宇航员减压病区间删失数据,应用多重插补法将区间Ⅱ型数据插补为右删失型数据,基于神经网络分段指数模型,分析了具有不同协变量的受试者危险率变化情况,同时绘制出不同群体的危险率变化曲线.结果表明,该模型可以较好地反映出危险率变化情况,而且相较于传统的统计分析方法更具灵活性.