导读:本文包含了可加可乘危险率模型论文开题报告文献综述及选题提纲参考文献，主要关键词:Lin-Ying可加可乘危险率模型,Cox-Aalen可加可乘危险率模型,变系数可加可乘危险率模型,左截断双删失
可加可乘危险率模型论文文献综述
杨琳[1]（2017）在《生存数据下可加可乘危险率模型的估计》一文中研究指出生存时间常表现为起始事件和终止事件之间的持续时间。由于任何研究都不能无休止地进行到所有个体的终止事件发生,并且在追踪观测过程中还会有其他不可控的因素影响终止事件的发生,因此,生存数据通常都存在右删失。当起始事件的发生时间存在区间删失,终止事件的发生时间存在左截断右删失时,此类数据被称为左截断双删失数据。生存分析中,感兴趣的问题是可能的相关风险因素对生存时间的影响,既包括影响的形式,也包括影响的程度。以危险率函数为建模对象的可加可乘危险率模型同时包含了协变量对危险率的乘性和加性影响。其优点是可以同时估计不同影响形式的协变量的影响程度,难点是估计过程比单一的乘性模型或加性模型都更为复杂。根据模型中协变量的参数是否依赖于时间变化,可加可乘模型有几种不同的形式变换。Lin-Ying可加可乘模型中,协变量的参数均恒定不变;Cox-Aalen可加可乘危险率模型中,乘性影响的参数为常数,加性影响的参数为关于时间的函数;变系数可加可乘危险率模型中,乘性和加性影响的参数均为关于时间的函数。本文主要研究了左截断双删失和随机右删失数据下,可加可乘危险率模型的估计问题及其实证分析。第一,研究了左截断双删失数据下,Lin-Ying可加可乘危险率模型的估计问题。首先,运用两阶段法估计了模型的参数,估计结果包括忽略区间删失数据的初始估计和包含区间删失数据的修正估计;其次,通过模拟研究验证了所提方法在有限样本下估计结果的无偏性,结果显示修正的估计结果较初始估计结果更为有效;最后,运用该方法研究了恶性黑色素瘤切除手术的数据。模拟研究和实例研究都印证了包含区间删失信息的两阶段估计比直接将区间删失个体剔除的初始估计更有效。第二,研究了左截断双删失数据下,Cox-Aalen可加可乘危险率模型的估计问题。运用两阶段法估计模型参数的过程与Lin-Ying可加可乘危险率模型类似,不同之处在于Lin-Ying模型的初始估计使用了估计方程方法,Cox-Aalen模型使用了从极大似然函数导出的得分方程进行估计。通过模拟研究验证了有限样本下估计结果的无偏性,以及修正的估计结果比初始估计结果更为有效。通过实例研究再次说明两阶段估计更为可靠有效。第叁,研究了随机右删失数据下,变系数可加可乘危险率模型的估计问题。首先,基于局部常系数展开式,构建了局部似然函数来估计模型的变系数;其次,证明了局部似然估计结果的大样本性质(包括相合性和渐近正态性);最后,通过有限样本的模拟研究说明了估计结果的有效性和稳定性。(本文来源于《首都经济贸易大学》期刊2017-03-01）
叶英[2]（2010）在《基于复发事件间隔时间下的可加可乘危险率模型》一文中研究指出复发事件数据常常出现在生物学、医学、经济学、社会学等领域。由于复发事件数据结构复杂,对它的统计分析已经受到学者们广泛重视,其相应研究结果不仅丰富了生存分析,医学与生物统计的研究内容,而且为各交叉学科研究提供理论依据和实际指导。自二十世纪八十年代开始,对复发事件数据的分析研究已经取得了丰富的成果。对复发事件数据的研究主要集中在对复发时间和间隔时间的分析。对复发事数据分析的模型包含两个方面：一方面,基于强度过程,对强度函数和危险率函数进行建模。另一方面,对复发事件数据而言,由于复发事件的均值函数比强度函数更具有解释意义,因此学者们对均值函数或比率函数进行了建模。本文在复发事件间隔时间数据下,首先回顾了可乘危险率模型和可加危险率模型,利用估计方程的思想得到参数和基准危险率函数的估计,以及所得估计的渐近性质。接着讨论了可加可乘危险率模型,对于此危险率模型中参数和基准危险率函数,同样采用估计方程的思想将其估计出来,然后证明了估计量的大样本性质。(本文来源于《上海师范大学》期刊2010-03-01）
可加可乘危险率模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
复发事件数据常常出现在生物学、医学、经济学、社会学等领域。由于复发事件数据结构复杂,对它的统计分析已经受到学者们广泛重视,其相应研究结果不仅丰富了生存分析,医学与生物统计的研究内容,而且为各交叉学科研究提供理论依据和实际指导。自二十世纪八十年代开始,对复发事件数据的分析研究已经取得了丰富的成果。对复发事件数据的研究主要集中在对复发时间和间隔时间的分析。对复发事数据分析的模型包含两个方面：一方面,基于强度过程,对强度函数和危险率函数进行建模。另一方面,对复发事件数据而言,由于复发事件的均值函数比强度函数更具有解释意义,因此学者们对均值函数或比率函数进行了建模。本文在复发事件间隔时间数据下,首先回顾了可乘危险率模型和可加危险率模型,利用估计方程的思想得到参数和基准危险率函数的估计,以及所得估计的渐近性质。接着讨论了可加可乘危险率模型,对于此危险率模型中参数和基准危险率函数,同样采用估计方程的思想将其估计出来,然后证明了估计量的大样本性质。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
可加可乘危险率模型论文参考文献
[1].杨琳.生存数据下可加可乘危险率模型的估计[D].首都经济贸易大学.2017
[2].叶英.基于复发事件间隔时间下的可加可乘危险率模型[D].上海师范大学.2010
标签：Lin-Ying可加可乘危险率模型; Cox-Aalen可加可乘危险率模型; 变系数可加可乘危险率模型; 左截断双删失;