期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
不同删失比例下AFT模型与Cox模型表现比较的模拟研究 被引量:10
1
作者 肖媛媛 陈莹 +2 位作者 何利平 喻箴 许传志 《中国卫生统计》 CSCD 北大核心 2017年第4期676-680,共5页
目的评价当生存数据出现不同删失比例的条件下,AFT模型和Cox模型的表现优劣。方法采用自编SAS宏程序模拟不同参数设置、不同比例均匀删失的Weibull分布,分别采用AFT模型和Cox模型对模拟产生的数据进行拟合,并从偏倚、准确性和覆盖程度... 目的评价当生存数据出现不同删失比例的条件下,AFT模型和Cox模型的表现优劣。方法采用自编SAS宏程序模拟不同参数设置、不同比例均匀删失的Weibull分布,分别采用AFT模型和Cox模型对模拟产生的数据进行拟合,并从偏倚、准确性和覆盖程度三个指标对两个模型的表现进行评价。结果在分布参数和自变量效应值固定的情况下,AFT模型在参数估计偏倚和准确性两方面的表现却始终优于Cox模型。删失比例越大,AFT模型的表现相对而言越优异。而在覆盖程度方面,对于相同参数设置及删失比例的模拟数据,两个模型的表现相似。结论 AFT模型的总体表现优于Cox模型,当删失生存数据同时满足两类模型的应用条件时,应该优先选择偏倚更小、准确性更高的AFT模型进行分析。 展开更多
关键词 aft模型 COX模型 删失比例 表现 模拟研究
在线阅读 下载PDF
带流数据集AFT模型的可再生估计
2
作者 潘莹丽 黄河 《统计与决策》 CSSCI 北大核心 2023年第9期47-52,共6页
流式生存数据是一个随时间延续而无限增长的动态生存数据集合,由于数据集以流的形式不断高速到达,一旦当前批次的数据到来,经过快速处理后就要被释放,不能继续保留在内存中。基于右删失流式生存数据来解析协变量与生存时间之间的相关性... 流式生存数据是一个随时间延续而无限增长的动态生存数据集合,由于数据集以流的形式不断高速到达,一旦当前批次的数据到来,经过快速处理后就要被释放,不能继续保留在内存中。基于右删失流式生存数据来解析协变量与生存时间之间的相关性时,加速失效时间模型(AFT模型)是常被使用的模型之一。文章基于带流数据集的AFT模型,通过泰勒展开构造一个Working估计方程,提出可再生估计,该估计仅依赖历史批数据集的汇总统计量和当前批数据集,有效避免了计算机对历史批数据存储带来的压力。模拟分析和实证结果表明,基于带流数据集的AFT模型提出的可再生估计方法在有限样本中的运行性能较好,在实践中具有可操作性。 展开更多
关键词 流数据集 右删失 aft模型 可再生估计
在线阅读 下载PDF
右删失数据下多响应AFT模型的两阶段估计 被引量:1
3
作者 刘慧馨 《应用概率统计》 CSCD 北大核心 2023年第1期10-26,共17页
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... 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. 展开更多
关键词 多响应aft模型 多元右删失数据 逆概率删失加权 SESS算法 生存分析 稀疏降秩回归
在线阅读 下载PDF
基于加速失效时间模型的企业停产与恢复时间研究
4
作者 杨丽娇 刘岩 蒋新宇 《中国安全科学学报》 CAS CSCD 北大核心 2023年第6期181-189,共9页
为了帮助企业制定灾后恢复对策,更好地应对灾害威胁,利用加速失效时间(AFT)模型,研究受灾企业停产与恢复时间的影响因素与模型参数。首先以恩施市2020年7月17日发生的暴雨洪涝灾害为例,基于实地调查收集到的377份数据样本,构建AFT模型;... 为了帮助企业制定灾后恢复对策,更好地应对灾害威胁,利用加速失效时间(AFT)模型,研究受灾企业停产与恢复时间的影响因素与模型参数。首先以恩施市2020年7月17日发生的暴雨洪涝灾害为例,基于实地调查收集到的377份数据样本,构建AFT模型;其次将影响企业停产与恢复的10个因素作为解释变量,估算洪涝灾害情景下商业企业的停产与恢复时间参数;然后基于恩施市数据与已有余姚市数据,探究同一灾害下不同影响区域的差异性。结果表明:淹没水深、库存损失率、垃圾清运时间和灾前预警时间等是影响企业停产的主要因素。淹没水深、停水时间和库存损失率等是影响企业恢复的主要因素;相比于其他类型的商业企业,住宿和餐饮业企业的平均恢复时间最短。 展开更多
关键词 加速失效时间(aft)模型 停产时间 恢复时间 洪涝灾害 影响因素
在线阅读 下载PDF
含治愈个体生存资料的亚组识别研究 被引量:2
5
作者 黄福强 康佩 +2 位作者 刘颖欣 许军 安胜利 《中国卫生统计》 CSCD 北大核心 2020年第5期672-677,共6页
目的基于K指数构建一个用于检验生存资料是否存在亚组的统计量,若存在亚组则利用亚组相关协变量建立亚组判别模型预测病人的亚组身份。方法基于AFT模型与AFTMC模型所得K指数构建统计量K sub检验生存资料是否存在亚组,当存在亚组时构建... 目的基于K指数构建一个用于检验生存资料是否存在亚组的统计量,若存在亚组则利用亚组相关协变量建立亚组判别模型预测病人的亚组身份。方法基于AFT模型与AFTMC模型所得K指数构建统计量K sub检验生存资料是否存在亚组,当存在亚组时构建统计量K off寻找区分亚组的最佳时间点,并确定每位患者的亚组身份,进而建立亚组判别模型。结果K sub的Ⅰ类错误基本控制在0.05以内,检验效能在多数情况下能够保持较高水平,但当样本量较少、治愈率低以及删失率较高时,K sub的检验效能下降。在用K off寻找到区分亚组的最佳时间点T(off)之后,在自定义的四种方法中,方法三识别患者亚组身份的平均灵敏度、特异度和准确度分别为86.8%、82.5%和89.7%,标准差分别为4.1%,5.3%和6.7%。在与自定义的四种方法相对应的四个判别模型中,模型三预测新入组患者亚组身份的平均灵敏度、特异度、准确度和AUC均最高(分别为93.1%、77.5%、82.7%和87.6%),波动范围均最小(标准差分别为6.7%、7.2%、5.1%和3.3%)。结论生存资料可用统计量K sub检验是否存在亚组。若存在亚组,方法三能够准确和稳定地识别患者的亚组身份,模型三能够有效地预测新入组患者的亚组身份。 展开更多
关键词 aftMC模型 aft模型 亚组识别 K指数
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部