玛丽·特蕾莎·普思;格哈德·图茨;尼尔斯·海姆;伊娃·穆斯特;马蒂亚斯·施密德;莫里茨·伯杰 离散时间到事件模型中时变系数的基于树的建模。 （英语） Zbl 1458.62219号 寿命数据分析。 26，第3期，545-572（2020年）. 摘要：危险模型是离散时间到事件数据建模的常用工具。特别是，常用两种建模时间相关效应的方法。更传统的方法是假设一个线性预测器，解释变量的影响随着时间的推移是恒定的。更灵活的方法使用半参数模型类，允许解释变量的影响随时间平滑变化。这里考虑的方法介于这些建模策略之间。它假设解释变量的影响是分段常数。它特别允许评估效应强度变化的时间点，并能够以简单的方式近似计算效应变化的相当复杂的变化。提出了一种基于树的分段常时变系数建模方法，该方法嵌入到变系数模型的框架中。该方法的一个重要特点是，它自动选择相关的解释变量，不需要单独的变量选择程序。在几个仿真研究中研究了该方法的特性，并通过考虑两个实际应用证明了其有效性。 引用于1文件 MSC公司： 62号02 生存分析和删失数据中的估计 62年02月 一般非线性回归 62G08号 非参数回归和分位数回归 62页第10页 统计学在生物学和医学中的应用；元分析 关键词：离散时间到事件数据;时变系数;递归分区;半参数回归;生存分析 软件：mgcv公司;discSurv公司;加迈尔;VGAM公司 PDF格式BibTeX公司 XML格式引用 \textit{M.-T.Puth}等人，《寿命数据分析》。26，第3号，545--572（2020；Zbl 1458.62219） 全文： 内政部 参考文献： [1] 阿德巴约，SB；Fahrmeir，L.，用地理加性离散时间生存模型分析尼日利亚儿童死亡率，Stat Med，24709-728（2005）·doi:10.1002/sim.1842 [2] Agresti，A.，分类数据分析（2013），纽约：威利·Zbl 1281.62022号 [3] 莫里茨·伯杰；格哈德·图茨（Gerhard Tutz）；Schmid，Matthias，变系数树结构模型，统计与计算，29，2，217-229（2018）·Zbl 1430.62164号 ·doi:10.1007/s11222-018-9804-8 [4] 伯杰，M。；Schmid，M.，离散时间-事件数据的半参数回归，统计模型，18，322-345（2018）·Zbl 07289511号 ·doi:10.1177/1471082X17748084 [5] 伯杰，M。；施密德，M。；Welchowski，T。；Schmitz-Valckenberg，S。；Beyersmann，J.，离散时间内竞争风险的次级分布风险模型，生物统计学（2018）·doi:10.1093/biostatistics/kxy069 [6] 伯杰，M。；Tutz，G。；Schmid，M.，变系数树结构建模，统计计算（2018）·兹比尔1430.62164 ·doi:10.1007/s11222-018-9804-8 [7] 伯杰，M。；Welchowski，T。；Schmitz-Valckenberg，S。；Schmid，M.，离散时间竞争风险建模的分类树方法，Adv Data Anal Classif（2018）·Zbl 1474.62382号 ·doi:10.1007/s11634-018-0345-y [8] 比亚索托，M。；Pellis，T。；卡德纳罗，M。；Bevilacqua，L。；Berlot，G。；Lenarda，RD，牙源性感染和下行坏死性纵隔炎：病例报告和文献综述，国际牙科杂志，54，97-102（2004）·doi:10.1111/j.1875-595X.2004.tb00262.x [9] Brüderl J、Drobnic̆S、Hank K、Huinink J、Nauck B、Neyer F、Walper S、Alt P、Borschel E、Bozoyan C、Buhr P、Finn C、Garrett M、Greischel H、Hajek K、Herzig M、Huyer-May B、Lenke R、Müller B、Peter T、Schmiedeberg C、Schütze P、Schumann N、Thönnissen C、Wetzel M、Wilhelm B（2018）德国家族委员会（pairfamily panel）。GESIS数据档案馆，科隆。ZA5678数据文件版本9.1.0。10.4232/pairfam.5678.9.1.0。 [10] 伯纳姆，R。；里希，RB；Bridle，C.，《因政府有关牙科时间表和薪酬的政策变化导致牙源性感染传播的住院率变化》，《口腔颌面外科杂志》，49，26-28（2011）·doi:10.1016/j.bjoms.2009.10.033 [11] 蔡，Z。；Sun，Y.，Cox回归模型中时间相关系数的局部线性估计，Scand J Stat，3093-111（2003）·Zbl 1034.62096号 ·数字对象标识代码：10.1111/1467-9469.00320 [12] Cox，DR，回归模型和生命表，J R Stat Soc，Ser B（Stat Methodol），34187-220（1972）·Zbl 0243.62041号 [13] De Boor，C.，《样条曲线实用指南》（1978），纽约：Springer，纽约·Zbl 0406.41003号 [14] Djeundje，VB；Crook，J.，《信用风险系数可变的动态生存模型》，《欧洲运营研究杂志》，275319-333（2018）·Zbl 1431.91410号 ·doi:10.1016/jejor201811029 [15] 艾尔斯，PH；Marx，BD，《使用B样条和惩罚的灵活平滑》，《统计科学》，第11期，第89-102页（1996年）·Zbl 0955.62562号 ·doi:10.1214/ss/1038425655 [16] Fahrmeir，L。；Wagenpfiel，S.，《离散持续时间和竞争风险模型中的平滑风险函数和时变效应》，美国统计协会杂志，91，1584-1594（1996）·Zbl 0883.62098号 ·doi:10.1080/01621459.1996.10476726 [17] 格罗尔，A。；Tutz，G.，离散生存模型中的变量选择，包括异质性，寿命数据分析，23005-338（2017）·Zbl 1383.62212号 ·doi:10.1007/s10985-016-9359-y [18] 哈斯蒂，T。；Tibshirani，R.，变系数模型，J R Stat Soc，Ser B（Stat Methodol），55，757-796（1993）·Zbl 0796.62060号 [19] 海姆，N。；伯杰，M。；维德梅耶，V。；Reich，RH；Martini，M.，一种数学方法提高了急性牙源性感染住院时间的可预测性。对303例患者的回顾性调查，《颅颌面外科杂志》，47，334-340（2018）·doi:10.1016/jjcms201812002 [20] 海亚德，R。；蒂姆西特，JF；Essaied，W。；Held，L.，具有竞争风险的离散时间到事件数据的动态临床预测模型——对OUTCOMEREA数据库的案例研究，Biom J（2018）·doi:10.1002/bimj201700259 [21] Huininik J（2014）《穆特贝·格伯特·德斯滕·德纳霍尔根登·金德-欧洲国家报》。（Alter der Mütter bei Geburt desten und der nachfolgenden Kinder-europäischer Vergleich）。In:Deutsche Familienstiftung（Hrsg）Wenn Kinder-wan Kinder？Beziehungs和Familienpanels之井的前身。帕泽勒斯·巴赫弗拉格，富尔达，第13-26页 [22] Huinink，J。；布吕德尔，J。；诺克，B。；Walper，S。；卡斯蒂格利奥尼，L。；Feldhaus，M.，《亲密关系和家庭动力的小组分析：概念框架和设计》，《J Fam Res》，23，77-101（2011） [23] Kalbfleisch，法学博士；Prentice，R.，《失效时间数据的生存分析》（2002），威利：霍博肯，威利·Zbl 1012.62104号 [24] 坎达拉，NB；Ghilagaber，G.，地理相加贝叶斯离散时间生存模型及其在马拉维儿童死亡率空间分析中的应用，Qual Quant，40935-957（2006）·doi:10.1007/s11135-005-3268-6 [25] Klein，J。；Möschberger，M.，《生存分析：删减和截断数据的统计方法》（2003），纽约：Springer，纽约·Zbl 1011.62106号 [26] 克莱因，JP；Houwelingen，丙型肝炎病毒；易卜拉欣，JG；TH Scheike，《生存分析手册》（2016），博卡拉顿：查普曼和霍尔，博卡拉顿 [27] 兰伯特，P。；Eilers，P.，《时变回归系数贝叶斯比例风险模型：惩罚泊松回归方法》，《统计医学》，243977-3989（2005）·数字对象标识代码：10.1002/sim.2396 [28] 莫斯特，S。；Pößnecker，W。；Tutz，G.，离散竞争风险模型的变量选择，Qual Quan，501589-1610（2016）·doi:10.1007/s11135-015-0222-0 [29] Rao，D。；德赛，A。；Kulkarni，R。；Gopalkrishnan，K。；Rao，C.，糖尿病和非糖尿病患者颌面间隙感染的比较，口腔外科，口腔医学，口腔病理学，口腔放射，Endod，110，e7-e12（2010）·doi:10.1016/j.tripleo.2010.04.016 [30] Ruhe，C.，《量化随时间的变化：解释持续时间分析中的时变效应》，《政治分析》，26，90-111（2018）·doi:10.1017/潘.2017.35 [31] Sargent，DJ，Cox回归设置中时变系数的灵活方法，寿命数据分析，3，13（1997）·Zbl 0896.62126号 ·doi:10.1023/A:1009612117342 [32] 施密德，M。；Tutz，G。；Welchowski，T.，离散时间到事件预测的区分措施，《经济统计》，第7期，第153-164页（2017年） [33] 田，L。；Zucker，D。；Wei，L.，关于时变回归系数的Cox模型，美国统计协会杂志，100172-183（2005）·Zbl 1117.62435号 ·doi:10.1198/016214500000845 [34] Tutz，G。；Binder，H.，《包括时变平滑效应的离散故障时间的灵活建模》，《Stat Med》，232445-2461（2004）·doi:10.1002/sim.1824 [35] Tutz，G。；Schmid，M.，离散时间到事件数据建模（2016），纽约：Springer，纽约·Zbl 1338.62006号 [36] 范登伯格，GJ；JJ·赫克曼；Leamer，E.，《持续时间模型：规范、识别和多重持续时间》，《计量经济学手册》（2001年），阿姆斯特丹：荷兰北部 [37] Welchowski T，Schmid M（2018）discSurv：离散时间生存分析。R包版本1.3.4。http://CRAN.R-project.org/package=discSurv [38] 巴蒂斯特·威利特；辛格，JD，《调查发病、停止、复发和恢复：为什么应该以及如何能够使用离散时间生存分析来检查事件发生率》，《临床心理咨询杂志》，61952-965（1993）·doi:10.1037/0022-006X.61.6.952 [39] Wood，SN，半参数广义线性模型的快速稳定限制最大似然和边际似然估计，J R Stat Soc:Ser B（Stat Methodol），73，3-36（2011）·Zbl 1411.62089号 ·doi:10.1111/j.1467-9868.2010.00749.x [40] Wood，SN，广义加性模型：R简介（2017），Boca Raton:Chapman&Hall，Boca Raton·Zbl 1368.62004号 [41] Wood SN（2018）mgcv：混合GAM计算工具，具有GCV/AIC/REML平滑度估计。R软件包版本1.8-15。https://CRAN.R-project.org/package=mgcv [42] Xu，R。；Adak，S.，使用基于树的方法进行时变回归效应的生存分析，生物统计学，58305-315（2002）·Zbl 1209.62341号 ·doi:10.1111/j.0006-341X.2002.00305.x [43] Yee，TW，分类数据分析的VGAM包，J Stat Softw，32，1-34（2010）·doi:10.18637/jss.v032.i10 [44] Yee TW（2017）VGAM：向量广义线性和可加模型。R软件包版本1.0-4。https://CRAN.R-project.org/package=VGAM 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。