含有Ⅱ型区间删失数据的回归模型参数估计

目的比较四种方法估计含有Ⅱ型区间删失数据的回归模型参数最大似然估计值,探讨在不同样本量情况下四种方法估计结果的准确性和稳定性。方法对含有Ⅱ型区间删失的生存数据分别拟合Weibull参数回归模型和Cox-PH半参数回归模型,并结合EMICM算法得到模型参数的最大似然估计值;应用组均值插补法将区间删失数据填补为右删失数据,进一步用传统的Cox回归以及建立伪观察值的方法估计生存函数,模拟样本量分别为50、200、500例。结果Weibull回归模型的参数最大似然估计值分别为β_1=0.496,β_2=-0.366;β_1=0.680,β_2=-0.586;β_1=0.620,β_2=-0.504。Cox-PH半参数回归模型的参数最大似然估计值为β_1=0.652,β_2=-0.469;β_1=0.683,β_2=-0.538;β_1=0.629,β_2=-0.511。填补为右删失数据后传统Cox回归方法得到的参数最大似然估计值分别为β_1=0.203,β_2=-0.227;β_1=0.641,β_2=-0.514;β_1=0.545,β_2=-0.446。用Pseudo-observations得到的参数最大似然估计值分别为β_1=0.217,β_2=-0.275;β_1=0.796,β_2=-0.601;β_1=0.561,β_2=-0.468。结论在不同样本量情况下,拟合Weibull参数回归模型,Cox-PH半参数回归模型结合EMICM算法估计的参数最大似然估计更准确更稳定。

广义指数比例风险模型下区间删失数据的贝叶斯估计

本文研究了失效时间服从广义指数分布,且风险率函数为比例风险模型时,Ⅱ型区间删失数据的贝叶斯估计.假定参数的先验分布为无信息先验,建立贝叶斯层次模型从而得到后验密度函数.通过MH算法得到参数估计值,数值模拟结果验证了所提方法的有效性.最后将所提方法应用到乳腺癌患者和血友病患者这两个实际数据中进行分析.