相依删失下基于连接函数的参数模型的统计分析

在临床数据的收集中,由于竞争性风险或者病人的退出可能导致数据删失.删失数据的统计分析大多是基于独立删失的假定进行的.而实际情况中,数据的删失往往是非独立的,即删失变量和失效时间变量是相关的.相依删失使得原本复杂的删失数据处理变得更加困难.在本文中,假定删失变量和失效时间变量的联合分布可以用它们边际分布的连接函数函数表示,在给定连接函数下,得到了比例风险模型的极大似然估计.模拟计算显示,如果删失假定成立,本文所采用方法比独立删失假定下的估计方法更准确.     

基于不完全观测的生存函数的非参数估计

基于随机右删失数据,Tsai,Ferguson及Susarla等研究了一元生存函数的广义自相合估计及非参数Bayes估计。本文首先将其结果推广到了相依竞争风险场合,进一步探讨了将独立双边删失机制推广到相依双边删失机制的问题,并通过一个实例说明这种推广是有意义的。     

在相依删失下限定平均寿命的差异比较

在临床医学及流行病学等研究中,研究人员经常会关心患者经过某种治疗后的平均寿命.由于删失的存在,使得生存函数的尾部估计偏差较大,在实际问题中通常考虑限定平均寿命作为衡量处理功效的指标.本文针对非随机化分组的治疗功效差异问题,考虑生存时间同时存在独立和相依两种删失情形下的限定平均寿命差异推断问题.本文利用两种模型分别解释两种类型的混杂因子,建立比例风险模型用以解释基准协变量,建立加性风险模型用以解释依时协变量,利用逆概率删失权方法给出模型参数的估计并讨论估计量的大样本性质.通过随机模拟给出估计方法在偏度和精度方面的表现.最后,将本文给出的方法用于肝硬化患者两种治疗方法的功效差异分析.     

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。     

一种估计Clayton模型中关联参数的方法

在右删失情形下,基于二元风险函数的核估计,我们对Clayton模型中的关联参数给出了一种新的估计方法.新的估计量具有相合性和渐近分布,随机模拟也显示这种估计方法是非常有效的.     

Cox比例风险模型中基于SELO惩罚函数的变量选择方法

在生物医学研究中,研究个体的失效时间往往存在删失,Cox比例风险模型是经常被用来处理此类删失数据的模型.对于带有删失的高维数据,如何从众多协变量中挑选出少数的致病因素是研究者的兴趣所在.本文针对高维删失数据利用SELO惩罚函数考虑了基于Cox比例风险模型框架下的变量选择及参数估计问题.在允许协变量维数发散的条件下,本文给出SELO惩罚估计量的相合性以及oracle性质.计算方面若采用传统方法计算惩罚估计解,当协变量维数较高时计算Hesse阵的逆矩阵需要花费大量的时间,且SELO惩罚函数在原点的不光滑性也给计算SELO惩罚估计带来很大难度.为此,本文利用光滑化技术对SELO惩罚函数进行近似,并利用DFP公式去代替Hesse阵的逆矩阵,进而提出了MSQN算法.模拟计算的结果表明,SELO惩罚方法比已有常用的惩罚方法表现更好,而且本文提出的新算法与常用的坐标下降算法相比表现更优.在真实数据部分,本文还分析了乳腺癌数据,并利用留一交叉验证法来评估预测的好坏.     

比例风险模型下参数估计的两种MM算法的一些应用

对于带有删失机制的生存数据的研究,比例风险模型是应用最为广泛的统计模型之一。实际中,为得到其参数的极大似然估计需要采用数值方法计算得分方程的解。MinorizationMaximization算法(以下简称"MM算法")将求解复杂的目标函数的极值问题转化为求解简单的代理函数的极值问题。本文主要探讨,在比例风险模型下通过两种不同的思想为偏似然函数构造代理函数,从而得到的两种MM算法。通过数值模拟和实际数据分析实现这两种MM算法在比例风险模型下的一些应用。     

删失数据下回归函数的加权局部复合分位数 回归估计

在右删失数据下,研究了误差具有异方差结构的非参数回归模型,利用局部多项式方法构造了回归函数的加权局部复合分位数回归估计,并得到了该估计的渐近正态性结果,最后通过模拟,当误差为重尾分布时,该估计比局部多项式估计以及核估计表现得更好.     

删失指标随机缺失下回归函数的复合分位数回归估计

在非参数回归模型中,传统的Nadaraya-Watson核估计和局部多项式估计常常因为误差为重尾情况而变得不稳健,Kai等人(2010)提出的复合分位数回归方法能弥补这一缺陷.文章在删失指标随机缺失的情况下,研究了误差具有异方差结构的非参数删失回归模型,利用局部多项式方法构造了回归函数的复合分位数回归估计,并得到了该估计的渐近正态性结果,把Kai等人(2010)的结果推广到删失指标随机缺失的右删失数据下.最后通过模拟发现,尤其是当误差为重尾分布时,该估计方法比Wang和Zheng (2014)提出的核估计方法更好.     

左截断右删失数据下半参数模型风险率函数估计

文章给出了右删失左截断数据半参数模型下的风险率函数估计,讨论了风险率函数估计的渐近性质,获得了这些估计的渐近正态性,对数律和重对数律.由于假定删失机制服从半参数模型下,从而知道模型的更多信息,因此对于给出参数的极大似然估计,可以改进风险率函数估计的渐近性质.也就是说,删失数据模型具有半参数的辅助信息下, 风险率函数估计的渐近方差比通常的完全非参数的估计的渐近方差更小.这说明加入了额外的信息提高了风险率函数估计的效率.     

带有信息的区间删失数据下AFT模型的参数估计

在生存分析研究中,多数文章假定感兴趣的失效时间和删失时间是独立的,但这一假设在实际情况中未必合理。如果忽略失效时间与删失时间的相依性,可能会导致错误的结论。所以本文考虑在带有信息的K型区间删失数据下,采用基于两步估计的极大似然估计方法对误差项服从标准正态分布的加速失效时间模型(accelerated failure time model,AFT)进行参数估计。同时还进行了数值模拟以验证提出方法的有效性。最后,应用所提出的方法分析艾滋病的临床试验数据。     

长度偏差右删失数据下分位数回归的估计方程方法

本文首先建立左截断右删失数据下的一般分位数回归方法.当截断变量服从均匀分布时,左截断右删失数据变成长度偏差右删失数据.长度偏差数据因其特殊性,提供了更多的信息.当把适用于左截断右删失数据的一般方法用到长度偏差右删失数据时,得到的估计量并不有效,这是因为它们没有利用该数据的特殊结构.为了提高效率,本文提出复合估计方程方法来解决长度偏差右删失数据下的分位数回归问题,这种方法并不需要估计删失变量的分布.所提出的估计方程可以通过一个求L_1型凸函数最小值的简单算法来求解.本文用经验过程和随机积分的技巧建立了所提出估计量的一致相合性和弱收敛性.随机模拟验证了所提出方法在有限样本时的表现,并且给出了实例分析.     

删失指标随机缺失下一类非参数函数的加权局部多项式估计及其应用

本文在右删失数据中删失指标部分随机缺失下,构造了一类非参数函数的校准加权局部多项式估计以及插值加权局部多项式估计,并建立了这些估计的渐近正态性;作为该方法的应用,导出了条件分布函数、条件密度函数以及条件分位数的加权局部线性双核估计和插值加权局部线性双核估计,并且得到了这些估计的渐近正态性;最后,在有限样本下对这些估计进行了模拟.     

长度偏差右删失数据剩余寿命的分位数回归

本文研究长度偏差数据下剩余寿命分位数模型的估计方法,充分考虑有偏抽样机制对模型估计的影响.如果忽略这种有偏性会导致估计产生严重偏差甚至错误的结果.本文首先针对长度偏差右删失数据的剩余寿命分位数提出了对数形式的线性回归模型,对删失变量与协变量独立和不独立的两种情况利用估计方程给出了模型参数的估计.其次,通过经验过程和弱收敛理论给出了参数估计的相合性和渐近正态性.最后,本文对提出的估计方法进行了数值模拟并用该方法对奥斯卡奖数据进行分析.     

竞争风险数据和协变量相依权重下可加可乘的子分布风险率模型

本文在竞争风险数据下提出一种灵活的含变系数的可加可乘的子分布风险率模型.通过对删失时间的风险函数建立Cox比例风险模型,得到调整后的与协变量相依的权重,在新权重下建立估计方程来估计模型参数,并获得了估计的大样本性质,同时提出了模型中协变量的时变效应的检验方法.通过数值模拟验证了所提方法的有限样本性质,结果表明所提方法可以大大降低估计偏差.最后,分析了一组淋巴滤泡细胞的竞争风险数据集来展示所提方法的实际应用效果.     

一般偏差右删失数据下剩余寿命分位数回归

剩余寿命是刻画个体预期寿命的一个重要度量,对剩余寿命的早期研究主要集中在剩余均值上.然而当总体生存函数偏态或厚尾时剩余均值函数可能不存在,因此统计学者建议用剩余寿命分位数来刻画预期寿命.在完全数据和右删失数据下,剩余寿命分位数的建模和理论已经很完善.但是,在实际的调查研究中经常会遇到偏差抽样数据.例如,临床医学中的左截断数据,流行病学中的病例队列抽样数据,医学大型队列研究中的长度偏差抽样数据等等.忽略抽样偏差会导致参数估计有偏和不合理的推断结果.本文考虑一般偏差右删失数据下剩余寿命分位数回归的统计推断问题.首先,我们提出了一个一般偏差右删失数据下的剩余寿命分位数回归模型,并利用一般估计方程方法对模型中的参数进行了估计.针对已有文献常用的删失变量与协变量独立性假设,本文重点考虑了删失变量依赖于协变量场合.其次,由于估计量的渐近方差中涉及非参密度函数,在估计渐近方差时,本文采用Bootstrap方法.最后,数值模拟显示本文提出的方法有限样本性质表现很好.     

多元失效时间数据的一般边际半参数危险率模型研究

在生物医学研究中,多元失效时间数据非常常见.该文提出用一般边际半参数危险率回归模型来分析多元失效时间数据.此模型包括了三种常用边际模型:边际比例风险模型、边际加速失效时间模型和边际加速危险模型作为子模型.对于模型中的回归系数,可以通过估计方程的方法来估计它,同时也给出了基准累积危险率函数的估计.得到的估计可以证明是相合的和渐近正态的.     

相依删失情形下加速失效模型的广义M估计

在生存分析中,加速失效模型(AFT模型)是研究失效时问与协变量之间关系的一类重要模型.在AFT模型框架下,通过在广义M估计的目标函数中使用广义Kaplan-Meier权,本文提出了含相依删失数据的AFT模型回归系数及刻度参数的加权广义M估计.渐近性质方面,得到了广义M估计的相合性和渐近正态性;关于估计量的有限样本性质,通过模拟研究验证了该估计量在有限样本情形下效果良好.     

右删失时间序列AR模型参数估计

通过Kaplan-Meier估计和Nelson-Aalen估计得到了平稳时间序列被另一平稳序列右删失下.AR模型的参数估计.首先,通过与完全数据下的参数估计进行对比,说明了两种估计方法的效果.然后,根据计算机模拟的样本量以及删失率的不同,对比了两种估计的优劣,并且模拟结果表明两种估计是有效的.     

右删失数据下多响应AFT模型的两阶段估计

在生存分析领域,加速失效时间(AFT)模型经常被用于预测事件发生的时间.本文将该模型推广到多事件时间情形,提出了多响应AFT模型,并假设协变量是高维的,模型的系数矩阵是联合低秩且稀疏的.此外还假设多个事件时间受制于同一个右删失变量.为了估计模型中的系数矩阵,本文提出一个两阶段方法,先对数据进行逆概率删失加权(IPCW),再用SESS算法求解一个稀疏降秩回归问题.本文通过数值模拟,验证了所提方法的有效性.最后将该方法应用于一个关于白血病患者骨髓移植的临床数据集.