Книга "Модели регрессии первого времени наступления события" направлена на продвижение методов регрессии для анализа данных времени жизни (или времени наступления события), основанных на представлении основного процесса и, следовательно, вероятно, предложат большее научное понимание по сравнению с чисто эмпирическими методами. В отличие от богатой статистической литературы, методы регрессии, применяемые на практике для анализа данных времени жизни, ограничены, особенно в биомедицинской области, где знаменитая полупараметрическая модель пропорциональных рисков Д. Р. Кокса преобладает. Практикующим следует ознакомиться с более гибкими моделями. Модели регрессии первого времени наступления события (или пороговая регрессия), представленные в этой книге, представляют наблюдаемые события как результат основного стохастического процесса. Один из примеров - смерть, происходящая при падении здоровья пациента до нуля, но идея имеет широкое применение - в биологии, инженерии, банковском и финансовом секторах и других областях. Центральной темой является модель на основе основного винеровского процесса, приводящая к времени жизни, следующему обратному гауссовскому распределению. Рассматриваются введение изменяющихся во времени ковариат, а также многие другие расширения. Представлены различные применения в деталях.
This book presents time-based regression models aimed to improve the interpretation of statistical data, using case studies that apply to different scientific disciplines. Contrary to common specialised statistical methods widely used in biomedical research, these models give a deeper exploration of real processes which occur for example in observance of health or morbidity.
Электронная Книга «First Hitting Time Regression Models» написана автором Chrysseis Caroni в году.
Минимальный возраст читателя: 0
Язык: Английский
ISBN: 9781119437253
Описание книги от Chrysseis Caroni
This book aims to promote regression methods for analyzing lifetime (or time-to-event) data that are based on a representation of the underlying process, and are therefore likely to offer greater scientific insight compared to purely empirical methods. In contrast to the rich statistical literature, the regression methods actually employed in lifetime data analysis are limited, particularly in the biomedical field where D. R. Cox’s famous semi-parametric proportional hazards model predominates. Practitioners should become familiar with more flexible models. The first hitting time regression models (or threshold regression) presented here represent observed events as the outcome of an underlying stochastic process. One example is death occurring when the patient’s health status falls to zero, but the idea has wide applicability – in biology, engineering, banking and finance, and elsewhere. The central topic is the model based on an underlying Wiener process, leading to lifetimes following the inverse Gaussian distribution. Introducing time-varying covariates and many other extensions are considered. Various applications are presented in detail.
