带终止事件的多类型复发事件的一般加性乘积比例模型

带终止事件(例如死亡)的复发事件经常出现在医疗和日常观测中,大多数模型假定协变量效应是乘性的,并在给定生存分布条件下对事件复发率建模.在本文中,我们对带终止事件的复发事件数据建立一般加性乘积比例模型,这里所谓的终止事件就是阻止复发事件的再发生.利用估计方程法和逆概率加权方法,我们分别提出两种估计回归参数和基本均值函数的方法.并且建立了估计的渐近性质.     

带相依终止事件的复发事件数据的可加可乘比率模型

本文对带相依终止事件的复发事件数据提出了一个联合建模分析方法,用一个带脆弱变量的可加可乘比率模型来刻画复发事件过程,还用带脆弱变量的Cox风险率模型来刻画终止事件过程,而且这两个过程的相依性由脆弱变量来刻画.我们利用估计方程的方法,对模型参数进行了估计,给出了所得估计的渐近性质.同时,通过数值模拟分析验证了估计的渐近性质.最后,利用该方法分析了弗吉尼亚大学慢性心脏病病人医疗诊费数据.     

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.     

多类型复发事件数据下一类Box-Cox转移模型

在本文中,我们针对多类型的复发事件数据提出了一类Box-Cox转移模型,它包含了比例模型作为其特殊情况.该模型在刻画协变量对于计数过程的均值函数效应时具有很大的灵活性.对于模型的推断问题,我们基于估计方程方法给出了未知参数的估计,并研究了该估计的大样本性质.最后,我们提出了一种基于残差的模型检验方法.     

左截断双删失数据下可加可乘风险率模型的估计

在生存分析中,可加可乘风险率模型常用来研究协变量对初始事件和终止事件之间持续时间的影响效应。在本文中,我们考虑了在初始事件存在部分区间删失,同时终止事件存在左截断右删失的情形下,持续时间的可加可乘风险率模型的估计问题。我们提出了一个两阶段估计过程来估计模型的回归参数。并通过模拟分析验证了估计的大样本性质。最后利用该方法分析了恶性黑色素瘤手术治疗数据。     

复发事件下一类加性乘性转移模型p阶矩指数稳定性

复发事件数据频繁的出现在纵向研究中,本文基于生物医学中的单类型复发事件数据,提出了一类加性乘性转移模型,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,并证明了所得估计的相合性和渐近正态性.最后,用数值模拟的方法验证了所提估计的可行性.     

复发事件下一类加性乘性转移模型p阶矩指数稳定性北大核心CSCD

复发事件数据频繁的出现在纵向研究中,本文基于生物医学中的单类型复发事件数据,提出了一类加性乘性转移模型,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,并证明了所得估计的相合性和渐近正态性.最后,用数值模拟的方法验证了所提估计的可行性.     

成组复发事件下的半参数变换模型

本文在成组复发事件下研究了一个一般半参数的边际变换模型,利用估计方程的理论,给出了该模型中未知参数和基本比率函数的估计,同时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.     

含有持久生存数据的复发事件的生存函数的一个非参数方法(英文)

在生物学、社会科学、保险理赔、可靠性和人口统计学等的研究中,我们经常会遇到复发事件数据的处理.最近一段时间以来,两个相邻复发事件的时间间隔的一个纵向数据模型已经引起统计工作者的广泛兴趣.本文中,我们提议另一个复发事件时间间隔模型,它可以用来模拟生存数据中带有所谓的持久生存者.非参数方法将用于我们所提议模型的统计推断,模拟和现实数据的例子将用来评价模型和提议估计方法的小样本性质.     

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沦证明了所得估计的相合性和渐近正态性.     

复发事件下一般半参数比率回归模型

收稿在复发事件数据下,研究了-个一般半参数比率回归模型中参数的估计问题,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.     

成组复发事件下的一般半参数加性乘积比率回归模型

本文在成组复发事件下研究了一个一般半参数的加性乘积比率模型,利用估计方程的理论,给出了该模型中未知参数和基本比率函数的估计,同时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.     

复发事件下加性乘积比率回归模型

本文基于复发事件数据,研究了半参数加性乘积比率回归模型的统计问题,利用估计方程的思想,给出了该模型中未知参数和非参数函数的一种估计方法,同时证明了所提出估计的相合性和渐近正态性．     

带终止事件纵向数据半参数部分线性单指标模型

在纵向研究中,我们常常会对一些非终止事件感兴趣,例如,与健康相关的生存质量.然而,死亡事件可能会在我们观测到这些感兴趣的变量之前发生,这种情况称之为截断数据.此外,每个个体的观察时间可能是不规律的,而且协变量对于感兴趣事件的影响也可能很复杂.本文提出了一个新的用于拟合被死亡截断的数据的半参数部分线性单指标模型,并用局部线性核方法近似非参数的连接函数,构造了参数部分的估计方程.本文证明了连接函数的局部线性核估计具有一致相合性,但收敛速度低于n~(1/2).为了消除这一低速收敛的影响,本文提出了一种数据分割的方法,证明了参数部分估计量的渐近正态性.本文通过一些数值模拟检验所提方法在有限样本下的表现,并分析了一组老年痴呆症的数据.     

多类型复发事件间隔时间下可加危险率模型

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。     

线性离散事件动态系统的辨识

本文讨论利用输出数据来估计或确定系统矩阵特征值和特征向量问题.首先我们给出了特征值的一个估计,然后证明在一定条件下可以确定系统矩阵的特征值和特征向量,或用极限来表征它们,最后指出了所得到的结果在离散事件动态系统分析和控制中的意义.     

基于事件触发的复杂网络系统的状态估计

为减轻网络负荷,引入了基于信息采样的事件触发机制,在此基础上研究了一类具有随机节点结构的复杂网络系统的状态估计问题,其主要目的是分析和设计可靠性的状态估计器.考虑时滞对信号传输的影响,首先给出了带有时间延迟的复杂网络系统的状态估计模型,然后通过利用李雅普诺夫泛函稳定性理论和线性矩阵不等式技术,给出了在事件触发机制下系统估计误差均方渐进稳定和状态估计器存在的充分条件,最后通过数值例子验证了该方法的有效性.     

混合复发事件与面板数据下的可加可乘模型

事件历史记录数据(Event History Data)是随时间观察而得到的,记录特定事件发生时间和发生类型的观测数据.这种数据类型在生物医学等领域的研究中十分常见,它包含了两类非常重要的数据类型,复发事件数据(Recurrent Event Data)和面板计数数据(Panel Count Data).在实际生产过程中,有时会出现上述两种数据类型混杂的情况,文本提出了可加可乘半参数建模的方法来分析这种混杂数据.我们讨论了参数估计的相合性和渐近正态性,以及基准率函数的渐近高斯性质.我们进行了数据模拟,比较了我们提出的方法与naive方法的区别.     

有偏抽样下带终止时间和带信息观察时间的纵向数据分析

纵向数据经常出现在生物医学等实际领域,而且在许多情况下,观察时间和终止时间是带信息的,同时可能会存在有偏抽样.本文在有偏抽样下,对于带信息观察时间和终止时间的纵向数据,提出了一个联合建模方法,并利用借代力量方法给出了模型参数的估计,同时获得了这些估计的渐近性质.最后,提出一种模型检验方法.     

事件触发下混合时滞神经网络的状态估计

研究了事件触发机制下混合时滞神经网络的状态估计问题.通过引入依赖于测量输出且具有指数衰减特性的阈值函数,设计了新的事件触发机制来降低采样和通信频率.综合混合时延和事件触发特性,建立了新的状态估计误差系统.采用Lyapunov函数和不等式技术,建立了误差系统指数稳定性条件,分析并排除了事件触发机制中的Zeno现象.最后通过例子验证了理论方法的有效性.