带辅助信息的加法风险回归分析
| 本文创新点 | 第5-6页 |
| 中文摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 目录 | 第9-12页 |
| 第一章 引言及知识回顾 | 第12-38页 |
| 1.1 研究背景介绍 | 第12-13页 |
| 1.2 一元失效时间数据的回归分析 | 第13-20页 |
| 1.2.1 Cox比例风险回归模型 | 第15-16页 |
| 1.2.2 加法风险回归模型 | 第16-17页 |
| 1.2.3 加速失效时间模型 | 第17-18页 |
| 1.2.4 比例优势模型 | 第18-19页 |
| 1.2.5 变换模型 | 第19-20页 |
| 1.3 多元失效时间数据的回归分析 | 第20-26页 |
| 1.3.1 多元边际乘模型 | 第20-23页 |
| 1.3.2 多元边际加模型 | 第23-25页 |
| 1.3.3 Frailty模型 | 第25-26页 |
| 1.4 带有辅助信息缺失数据的统计处理 | 第26-30页 |
| 1.5 鞅论和经验过程 | 第30-37页 |
| 1.5.1 鞅论 | 第31-33页 |
| 1.5.2 经验过程 | 第33-37页 |
| 1.6 本文的结构 | 第37-38页 |
| 第二章 带有离散型辅助协变量的加法风险回归模型 | 第38-64页 |
| 2.1 引言 | 第38-39页 |
| 2.2 模型和估计方法 | 第39-41页 |
| 2.3 大样本理论 | 第41-42页 |
| 2.4 模拟研究 | 第42-44页 |
| 2.5 PBC数据分析 | 第44-46页 |
| 2.6 渐近理论的证明 | 第46-64页 |
| 第三章 带有连续型辅助协变量的加法风险回归模型 | 第64-86页 |
| 3.1 引言 | 第64页 |
| 3.2 模型和估计方法 | 第64-67页 |
| 3.3 渐近理论 | 第67-69页 |
| 3.4 模拟研究 | 第69-71页 |
| 3.5 核函数及窗宽选择 | 第71-72页 |
| 3.6 PBC数据分析 | 第72页 |
| 3.7 渐近理论的证明 | 第72-86页 |
| 第四章 总结及研究展望 | 第86-88页 |
| 参考文献 | 第88-98页 |
| 攻读博士学位期间的论文情况 | 第98-99页 |
| 致谢 | 第99页 |
