克劳斯·兰戈;瓜达卢佩戈梅斯·梅利斯 具有区间相关协变量的线性回归模型的R估计和残差分析。 (英语) Zbl 1309.62114号 生物。J。 56,第5期,867-885(2014). 摘要:在纵向研究中有时会遇到区间截尾协变量,并被认为是回归模型中可能的预测因素。本文受艾滋病研究的启发,提出了一种在R中实现的方法,用于估计参数和评估带有区间相关协变量的线性回归模型的假设。通过两个仿真研究,讨论了参数估计量的性质和三个拟用残差的行为。此外,还提供了根据协变量的审查间隔长度检查拟合模型的良好性的指南。该方法通过艾滋病研究的实际数据进行了说明。提供了R函数和脚本。 引用于1文件 MSC公司: 62J05型 线性回归;混合模型 62N01号 审查数据模型 62页第10页 统计学在生物学和医学中的应用;元分析 软件:bbmle公司;R(右);AMPL公司;SNOPT公司 PDF格式BibTeX公司 XML格式引用 \textit{K.Langohr}和\textit{Gómez Melis},Biom。J.56,No.5,867--885(2014;Zbl 1309.62114) 全文: 内政部 参考文献: [1] Bernhardt,通过多重插补对受检测限约束的协变量生存数据进行灵活建模,《计算统计与数据分析》69,第81页–(2014年)·Zbl 1471.62028号 ·doi:10.1016/j.csda.2013.07.027 [2] Bolker,B.R开发核心团队2013 bbmle:一般最大似然估计工具[计算机软件手册]http://CRAN.R-project.org/package=bbmle [3] 福勒,AMPL。数学规划建模语言(2003) [4] Gill,SNOPT:大规模约束优化的SQP算法,SIAM Review 47 pp 99–(2005)·Zbl 1210.90176号 ·doi:10.1137/S0036144504446096 [5] Gómez,《间隔相关数据方法及其在R中的实现教程》,《统计建模》9,第259页–(2009年)·doi:10.1177/1471082X0900900402 [6] Gómez,带间隔相关协变量的线性回归模型推断,《医学统计学》22,第409页–(2003)·数字对象标识代码:10.1002/sim.1326 [7] Gulick,《萨奎那韦与利托那韦或奈非那韦联合使用,或与德拉维定、阿德福韦,或两者同时使用,对感染人类免疫缺陷病毒的成年人进行的因地那韦病毒治疗失败的随机研究:艾滋病临床试验组研究359》,《传染病杂志》182页1375–(2000)·数字对象标识代码:10.1086/315867 [8] Langohr,《使用基于网络的优化工具实现可能性最大化:一个简短教程》,《美国统计学家》59页192–(2005)·Zbl 05680644号 ·doi:10.1198/000313005X42255 [9] Lumley,《大型公共卫生数据集中正态性假设的重要性》,《公共卫生年度评论》23第151页-(2002)·doi:10.1146/annurev.publhealth.23.100901.140546 [10] Oller,《区间删失:简化似然有效性的模型表征》,《加拿大统计杂志》32页315–(2004)·Zbl 1061.62156号 ·doi:10.2307/3315932 [11] R核心团队2013 R:A Language and Environment for Statistical Computing[计算机软件手册]。奥地利维也纳网址:http://www.R-project.org/ [12] Sattar,A.Sinha,S.Morris,N.2012当协变量受到左删失时的参数生存模型《生物计量与生物统计学杂志》S3:002 [13] Sun,间隔相关失效时间数据的统计分析(2006)·Zbl 1127.62090号 [14] Topp,具有区间相关协变量的线性回归模型中的残差分析,《医学统计学》23,第3377页–(2004)·数字对象标识代码:10.1002/sim.1731 [15] 特恩布尔,任意分组、删减和截断数据的经验分布函数,《皇家统计学会杂志》,B辑38,第290页–(1976)·Zbl 0343.62033号 [16] Wang,拟合半参数混合模型的最大似然计算,《统计学与计算》第20卷第75页–(2010)·doi:10.1007/s11222-009-9117-z 此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配,并且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。