阿卜杜拉·乌斯拉蒂;奥利维尔·洛佩兹 基线函数中具有变化点的比例风险回归模型。 （英语） Zbl 1322.62032号 寿命数据分析。 第1号，第19页，第59-78页（2013年）. 摘要：在本文中，我们考虑了一个新的回归模型，用于在比例风险假设下计算过程。该模型的动机是需要了解铁路公司预订流程的演变。该方法的主要新颖之处在于假设基线风险函数是分段常数，跳跃时间未知（这些跳跃时间是根据数据作为模型参数估计的）。因此，模型的参数可以分为两种不同类型：测量协变量影响的参数，以及基线的多变化点模型的参数。考克斯半参数回归可以看作是我们模型的极限情况。我们开发了一个迭代程序来估计不同的参数，以及一个允许在基线中执行变化点检测的测试程序。我们的技术得到了模拟研究和实际数据分析的支持，这表明我们的模型可以合理地替代考克斯回归模型，特别是在事件时间相同的情况下。 引用于1文件 MSC公司： 62-07 数据分析（统计）（MSC2010） 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 关键词：比例风险回归;变点检测;迭代程序;动态规划;收入管理;生存分析;反复发生的事件 软件：时间寄存器;最简单的;卡普塞;引导库;invGauss公司 PDF格式BibTeX公司 XML格式引用 \textit{A.Oueslati}和\textit{O.Lopez}，终身数据分析。19，第1号，59--78（2013；Zbl 1322.62032） 全文： 内政部 参考文献： [1] Aalen O、Borgan O、Gjessing HK（2008）生存与事件历史分析。纽约州施普林格·Zbl 1204.62165号 [2] Akman VE，Raftery AE（1986）变点泊松过程的渐近推断。安统计14:1583-1590·Zbl 0648.62093号 ·doi:10.1214操作系统/1176350178 [3] Andersen PK，Gill RD（1982）《计数过程的考克斯回归模型：大样本研究》。安统计10:1100-1120·Zbl 0526.62026号 ·doi:10.1214/aos/1176345976 [4] Andersen PK、Gill RD、Keding N（1993）基于计数过程的统计模型。纽约州施普林格·Zbl 0769.62061号 [5] Basseville M，Nikiforov IV（1993）《突变检测：理论与应用》。普伦蒂斯·霍尔，恩格尔伍德悬崖 [6] Baudry J-P、Maugis C、Michel B（2012）《斜坡启发式：概述和实施》。统计计算22:455–470·Zbl 1322.62007年 ·doi:10.1007/s11222-011-9236-1 [7] Bellman R（1961）关于使用动态规划通过线段逼近曲线。通用ACM 4:284·Zbl 0100.12901号 ·数字对象标识代码：10.1145/366573.366611 [8] Breslow NE（1972）对Cox博士论文讨论的贡献。J R Stat Soc B（方法论）34:216–217 [9] Breslow NE（1974）截尾生存数据的协方差分析。生物计量学30:89–99·doi:10.2307/2529620 [10] Cox DR（1972）回归模型和生命表。J R Stat Soc B（方法学）34:187–220·Zbl 0243.62041号 [11] Cörgo M，Hórvath L（1997）变点分析中的极限定理。奇切斯特·威利 [12] Dabrowska D（1997）平滑Cox回归。Ann Stat 25（4）：1510–1540·Zbl 0936.62046号 ·doi:10.1214/aos/1031594730 [13] Davison AC，Hinkley DV（1997）Bootstrap方法及其应用。剑桥大学出版社·Zbl 0886.62001号 [14] Efron B（1977）删失数据的Cox似然函数的效率。美国统计协会J Am Stat Assoc 72:557–565·Zbl 0373.62020号 ·doi:10.1080/01621459.1977.10480613 [15] Gandy A（2009）一致有界重采样风险的蒙特卡罗测试的顺序实现。美国统计协会J Am Stat Assoc 104:1504–1511·Zbl 1205.65016号 ·doi:10.1198/jasa.2009.tm08368 [16] Gandy A，Rubin-Delancy P（2011）计算蒙特卡罗测试功率的算法，具有保证的精度。arXiv:1110.1248v1[统计CO]·Zbl 1347.62011年 [17] Ghosh D，Lin D（2003）依赖性审查下复发事件的半参数分析。生物统计学59:877–885·兹比尔1274.62671 ·doi:10.1111/j.0006-341X.2003.00102.x [18] Guo G，Rodriguez G（1992）使用EM算法估计聚类数据的多元比例风险模型，并应用于危地马拉的儿童生存。美国统计协会J Am Stat Assoc 87:969–976·doi:10.1080/01621459.1992.10476251 [19] Hertz-Picciotto I，Rockhill B（1997）Cox回归中并列生存时间近似方法的有效性和效率。生物计量学53:1151–1156·Zbl 0925.62463号 ·doi:10.2307/2533573 [20] Holford TR（1976）生命表及其伴随信息。生物计量学32:587–597·Zbl 0332.62077号 ·doi:10.2307/2529747 [21] Holford TR（1980）使用对数线性模型对发病率和生存率的分析。生物识别36:299–305·Zbl 0463.62095号 ·doi:10.2307/2529982 [22] Hougaard P（2003）多变量生存数据分析。纽约州施普林格·Zbl 0962.62096号 [23] Jackson B等人（2005）一种在区间上对数据进行最优分区的算法。IEEE Sig过程Lett 12（2）：105–108·doi:10.1109/LSP.2001.838216 [24] Laird N，Olivier D（1981）使用对数线性分析技术对截尾生存数据进行协方差分析。美国统计协会J Am Stat Assoc 76:231–240·Zbl 0473.62045号 ·网址：10.1080/01621459.1981.10477634 [25] Lebarbier E（2005）通过模型选择检测高斯过程中的多个变化点。Sig流程85:717–736·Zbl 1148.94403号 ·doi:10.1016/j.sigpro.2004.11.012 [26] Martinussen T，Scheike TH（2006）生存数据的动态回归模型。纽约州施普林格·Zbl 1096.62119号 [27] Nguyen HT、Rodgers GS、Walker EA（1984）《变化点风险率模型的估计》。生物特征71:299–304·Zbl 0561.62092号 ·doi:10.1093/biomet/71.2.299 [28] Nielsen GG、Gill RD、Andersen PK、Sorensen TIA（1992）脆弱模型中最大似然估计的计数过程方法。扫描J统计19（1）：25–43 [29] Oakes D（1989）脆弱性诱发的双变量生存模型。美国统计协会J Am Stat Assoc 84:487–493·兹比尔0677.62094 ·doi:10.1080/01621459.1989.10478795 [30] Salmenkivi M，Mannila H（2004）使用马尔可夫链蒙特卡罗和事件序列数据的动态规划。知识信息系统7:267–288·doi:10.1007/s10115-004-0157-6 [31] Scheike TH，Zhang M-J（2011）使用R timereg包分析竞争风险数据。J Stat Softw统计软件38（2）：1–15·doi:10.18637/jss.v038.i02 [32] Sleeper LA，Harrington DP（1990）Cox模型中的回归样条曲线及其在肝病协变量效应中的应用。J Am Stat Assoc美国统计协会85:941–949·网址：10.1080/01621459.1990.10474965 [33] Talluri KT，Van Ryzin GJ（2004）收入管理的理论与实践。波士顿Kluwer·兹比尔1083.90024 [34] Therneau TM，Grambsch PM（2000）生存数据建模，扩展了cox模型。纽约州施普林格·Zbl 0958.62094号 [35] Vaupel JW，Manton KG，Stallard E（1979）个体脆弱性异质性对死亡率动态的影响。人口统计16:439–454·doi:10.2307/2061224 [36] 夏毅，童浩，李伟科，朱L-X（2002）降维空间的自适应估计。J R统计Soc B 64:363–410·Zbl 1091.62028号 ·doi:10.1111/1467-9868.03411 [37] Zeni RH（2001）通过审查数据的无约束需求估计，提高了航空公司收入管理的预测准确性。论文 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。