右删失数据下生存函数的随机加权估计

本文利用随机加权思想提出了右删失数据下生存函数的随机加权估计,证明了所给的随机加权估计的强相合性.     

右删失数据下线性回归模型的中心极限定理

将完全数据下(Y, Z)的联合分布F(y, z)的估计问题和线性回归模型Y =b^T Z+e的参数估计问题推广到右删失数据模型. 对于回归系数b和误差方差的加权最小二乘估计, 在最一般的条件下证明了中心极限定理, 给出了渐近方差的简单表达公式.     

右删失情形下平均生存时间的加权Bootstrap推断

在右删失情形下,基于一类合成数据,采用加权Bootstrap方法获得了平均生存时间的加权Bootstrap估计及其加权Bootstrap分布,并就权重是否独立两种情形,证明了此估计的相合性及此分布近似的有效性.基于此,构造了平均生存时间的置信区间.在数值模拟中,取权为Dirichlet(n;1,…,1),并从覆盖概率和区间长度角度,比较了加权Bootstrap和渐近正态逼近产生的置信区间.     

右删失数据下的时间序列数据分析

当平稳时间序列{Xn}被另外的平稳序列{Yn}删失后,我们研究{Xn}的协方差,相关系数的估计问题．特别当{Xn}是AR(p)序列时,我们研究AR(p)的参数估计和一步预测问题．给出的估计量是强相合的．计算机模拟结果说明所提供的方法是适用的．     

删失数据下线性回归模型的参数估计

主要叙述在数据观测不完全的情况下,采用最小二乘法对线性回归模型回归系数的估计及估计量的渐进性质,并给出数据模拟．     

删失混合效应模型的分位回归及变量选择

纵向数据常常用正态混合效应模型进行分析.然而,违背正态性的假定往往会导致无效的推断.与传统的均值回归相比较,分位回归可以给出响应变量条件分布的完整刻画,对于非正态误差分布也可以给稳健的估计结果.本文主要考虑右删失响应下纵向混合效应模型的分位回归估计和变量选择问题.首先,逆删失概率加权方法被用来得到模型的参数估计.其次,结合逆删失概率加权和LASSO惩罚变量选择方法考虑了模型的变量选择问题.蒙特卡洛模拟显示所提方法要比直接删除删失数据的估计方法更具优势.最后,分析了一组艾滋病数据集来展示所提方法的实际应用效果.     

纵向删失数据下线性模型的相合估计

医药临床试验,生存分析,可靠性统计等研究领域,由于考虑到时间和费用问题,研究往往有一定期限.因为研究到期的被迫结束或者某些病人中途退出试验,最后得到的试验结果往往是删失数据.对于删失数据,采用无偏转换的方法处理,方法的最大优点是得到的估计量为显式解.首先讨论了在纵向右删失数据下线性回归模型回归系数估计的均方相合性,并且把结论推广到了污染线性模型,得到了污染系数、回归系数的强相合估计.     

右删失数据下带协变量威布尔分布模型参数的估计

研究了数据右删失时威布尔分布刻度参数依赖于协变量情形下模型参数的估计问题,通过EM算法求解参数的极大似然估计.详细给出E步推导过程的同时,利用稳定的Gauss-Seidel迭代来实现M步.文章通过计算机模拟考察了所提方法在不同删失比例下的表现,并通过实例分析展示了该方法的应用.     

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。     

分组删失数据下生存函数Turnbull估计的强收敛性

证明了分组删失情形下生存函数的Turnbull估计具有强极限，并给出极限值所满足的方程。     

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.     

左截断右删失数据下分位密度估计的重对数律

在左截断右删失数据下，我们基于乘积限估计给出了分位密度估计， 获得了分位密度估计及其导数的重对数律。     

随机删失数据非线性回归模型的最小一乘估计

研究了随机删失数据非线性回归模型的最小一乘(LAD)估计问题, 证明了LAD估计量的渐近性质, 包括相合性、依概率有界性和渐近正态性等. 模拟结果显示对删失数据回归问题, LAD估计仍比最小二乘估计(LSE)稳健.     

随机删失下半参数回归模型的估计理论

本文研究了随机右删失情形下半参数回归模型中未知参数的估计问题,证明了它们的渐近正态性．文中结果是完全数据情形下相应结果的推广和改进     

基于删失数据的一般回归模型的参数估计

本文考虑基于删失数据的一般回归模型回归系数的方向估计，结合非参数回归和最小一乘方法构造了模型方向的估计，在较为一般的条件下证明了估计量的相合性．     

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.     

左截断右删失下Weibull分布参数估计及其应用

中国出口贸易关系持续性问题一直备受各界学者关注.基于生存分析方法研究左截断右删失数据下Weibull分布的参数估计,并对2003年至2015年中国大陆出口澳门农产品的贸易持续时间进行实证分析,模型拟合效果良好.结果表明中国大陆与澳门贸易失败的概率是逐年递减的,具有负时间依存性.未来应考虑如何跨越门槛值,以延长中国大陆出口贸易关系的持续时间.     

含右删失数据的ZIP模型及其应用

零膨胀Poisson回归(ZIP)是处理零频数过多计数资料的有效模型,而计数数据一般含有删失或不精密的特点.本文将删失数据引入到ZIP模型中来,分别建立含右删失数据的固定效应ZIP模型,随机效应ZIP模型,通过极大边际似然函数估计法对模型进行参数估计.最后,利用实例分析验证了上述模型的可行性.     

随机右删失数据下半参数线性变换模型的经验似然推断

本文研究了响应变量随机右删失情形下半参数线性变换模型的经验似然推断问题.构造了参数的经验似然比检验统计量,证明了经验似然比检验统计量的渐近分布为加权卡方分布.在此基础上,对经验似然比检验统计量进行了调整,证明了调整的经验似然比检验统计量的渐近分布为标准的卡方分布.基于经验似然和调整的经验似然方法,分别给出了回归参数的一定置信水平的置信域.最后对本文的方法和传统的正态逼近方法进行了模拟比较,模拟结果显示,从置信域的大小和经验覆盖概率两个角度看,本文的方法均比正态逼近方法优越.