多类型复发事件下的加性乘积比率回归模型

本文基于多类型复发事件数据,研究了半参数加性乘积比率回归模型的统计问题。利用现代经验过程理论与方法,给出了该模型中未知参数和非参数函数的一种估计方法,并证明了这些估计的相合性和渐近正态性。

多类型复发事件间隔时间下可加危险率模型(英文)

在许多的生物医学和工程研究中,多类型复发事件的间隔时间数据是很常见的.众所周知,比例危险率模型在一些情况下不能很好拟合生存数据.本文,在多类型复发事件的间隔时间数据下,我们利用可加危险率模型来研究协变量对生存时间的影响程度.我们采用估计方程方法获得回归系数和基准累积危险率函数估计.并且,我们建立了所提估计的渐近分布.

多类型复发事件数据下一类半参数转移模型

复发事件数据频繁的出现在纵向研究中,基于生物医学中的多类型复发事件数据,提出了一类半参数转移模型,该模型包含了一些重要的半参数模型。同时,模型允许协变量具有加性和乘性的影响,且加性影响随时间而变化。利用广义估计方程的思想,对模型中未知参数和非参数函数进行了估计,并且证明了估计的相合性和渐近正态性。

多类型复发事件下可加—加速均值回归模型

本文根据多类型复发事件数据的结构特点,提出了多类型复发事件下可加—加速均值回归模型.利用估计方程的方法,给出了该模型中未知参数和非参数函数的一种估计方法,并证明了所得估计的渐近性质.

多类型复发事件数据下一类半参数变换模型

本文基于多类型复发事件数据,提出了一类半参数变换模型,该模型包含了一些重要的半参数模型。利用广义估计方程的思想,对模型中未知参数和非参数函数进行了估计,并证明了估计的相合性和渐近正态性。

多类型复发事件下变系数加性乘积比率回归模型

本文基于多类型复发事件数据,讨论了一个新的加性乘积比率回归模型,该模型包括两部分,其中第一部分为可加Aalen模型,其中协变量影响为加性的且与时间有关.第二部分为Cox回归模型,其中协变量有乘性影响.利用估计方程的方法,给出了该模型中未知参数和非参数函数的一种估计方法,并利用现代经验过程理论证明了所得估计的相合性和渐近正态性.

多类型复发事件下的一类均值加速回归模型

在复发事件的统计分析中,事件的平均发生个数可能比其强度函数或危险率函数更具可解释性.为了评价协变量对复发事件的影响,许多学者考虑了复发事件的边际比例均值模型.然而,在许多实际应用中,协变量对复发事件不仅具有均值比例效应,而且还可能会加速或减缓复发事件的发生,即协变量对复发事件均值过程具有时间尺度效应.在多类型复发事件数据框架下,考虑一类广泛的加速均值模型.利用估计方程方法,获得了该模型中未知参数的估计,并且建立了所给估计的渐近性质.进一步通过模拟研究证实所提方法的优良表现.

多类型的复发事件数据下一类混合模型

在本文中,我们针对多类型的复发事件数据提出了一类混合模型,该模型包含比例率模型和Box-Cox转移率模型作为其特殊情况.新模型可以刻画具有成比例和收敛性质的协变量效应.我们基于估计方程方法给出了该模型中未知参数的估计,并证明了估计的强相合性和渐近正态性.最后,我们提出了一种基于残差的模型检验方法.