Cox比例風險模型之參數估計與比例風險檢定-比較部分概似法、二階段方法以及聯合模型法

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：28

、訪客IP：3.12.161.168

姓名

林宜蓁(Yi-Chen Lin) 查詢紙本館藏

畢業系所

統計研究所

論文名稱

Cox比例風險模型之參數估計與比例風險檢定-比較部分概似法、二階段方法以及聯合模型法
(Proportional Hazards Test and Estimation for Cox Proportional Hazards model ---- Among Partial Likelihood, Two-stage and Joint modeling approach)

相關論文

★ 長期與存活資料之聯合模型-新方法和數值方法的改進	★ 復發事件存活分析的共享廣義伽瑪脆弱因子之半母數聯合模型
★ 加乘法風險模型結合長期追蹤資料之聯合模型	★ 有序雙重事件時間分析使用與時間相關的共變數－邊際方法的比較
★ 存活與長期追蹤資料之聯合模型－台灣愛滋病實例研究	★ 以聯合模型探討地中海果蠅繁殖力與老化之關係
★ 聯合模型在雞尾酒療法療效評估之應用—利用CD4/CD8比值探討台灣愛滋病資料	★ 時間相依共變數之雙重存活時間分析—台灣愛滋病病患存活時間與 CD4 / CD8 比值關係之案例研究
★ Cox比例風險模型之參數估計─比較部分概似法與聯合模型	★ 復發事件存活時間分析-丙型干擾素對慢性肉芽病患復發療效之案例研究
★ Cox 比例風險假設之探討與擴充風險模型之應用	★ 以聯合模型探討原發性膽汁性肝硬化
★ 聯合長期追蹤與存活資料分析－肝硬化病患之實例研究	★ 復發事件存活時間分析-rhDNase對囊狀纖維化病患復發療效之案例研究
★ 聯合長期追蹤與存活資料分析-原發性膽汁性肝硬化病患之實例研究	★ 復發事件存活時間分析-Thiotepa對膀胱癌病患復發療效之案例研究

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

[檢視]

[下載]

本電子論文使用權限為同意立即開放。
已達開放權限電子全文僅授權使用者為學術研究之目的，進行個人非營利性質之檢索、閱讀、列印。
請遵守中華民國著作權法之相關規定，切勿任意重製、散佈、改作、轉貼、播送，以免觸法。

摘要(中)

在生物醫學的研究的過程中，有興趣的是時間相依共變量與存活時間的關聯性，而推估關聯性最常使用的是Cox比例風險迴歸模型。傳統上使用Cox(1972)的部分概似法估計參數，但前提是必須有所有研究對象的完整共變量資訊且不允許誤差。為了減少部分概似法對於有遺失值時其參數估計上的偏差，本研究分別採用二階段方法以及聯合模型(Wulfsohn，1997)來估計參數，目的是比較此三種方法之下，對於不同遺失比例其參數估計值變化情形，以及通過比例風險假設之比例，以利於不同條件之下選擇最有效之方法，模擬結果在不同的共變量軌跡之下，若無遺失比例之發生則可選擇程式效率較高之部分概似法，在有遺失比例發生但測量誤差不大時可選擇二階段方法，若有遺失比例之發生且測量誤差較高時，則需使用聯合模型來估計參數，其結果較二階段模型快速且準確。

摘要(英)

The relationship between longitudinal covariates and a failure time process can be assessed using the Cox proportional hazards model. The purpose of the study is to evaluate the performance of three approaches, the partial likelihood, two-stage partial likelihood , and joint model approaches for the Cox model when the covariate is measured in irregular times with measurements error. The results show that partial likelihood is an efficient choice when data has no missing values; two-stage model can be selected for data with small measure error. As a conclusion, joint modeling approach is the best choice in all situations.

關鍵字(中)

★ 長期追蹤資料
★ 部分概似法
★ Cox比例風險模型
★ 二階段模型
★ 聯合模型
★ 隨機效應

關鍵字(英)

★ Partital Likelihood
★ Cox proportional hazards model
★ Joint model
★ Longitudinal data

論文目次

第一章、　緒　論 1
第二章、統計方法 9
2.1 Schoenfeld殘差 10
2.2 部分概似法 13
2.3 聯合模型 20
2.3.1 EM演算法之E-step 25
2.3.2 EM演算法之M-step 27
2.3.3 估計參數過程 28
第三章、統計模擬 29
3.1 模擬方法 29
3.1.1 生成資料過程 33
3.1.2 二分法 34
3.2 模擬資料設計 35
3.3 模擬結果 37
第四章、結論與討論 43
參考文獻 51

參考文獻

[1] Anderson, P. K. and Gill, R. D. (1982). Cox’s regression model forcounting processes, a large sample study. Annals of Statistics 10.1100-1120.
[2] Burden, Richard L. and Faires, J. Douglas (2000). Numerical Analysis (7th ed.). Brooks/Cole
[3] Cox, D. R. (1972). Regression models and life-tables. Journal of the Royal Statistical Society 34(B). 187-220.
[4] Cox, D. R. (1975). Partial likelihood. Biometrika 62. 269-276.
[5] Efron, B. (1994). Missing data, imputation and bootstrap (with Discussion). J. Am. Statist. Assoc. 89. 463-479.
[6] Hsieh, F., Tseng, Y. K., and Wang, J. L. (2006). Joint modelingof survival time and longitudinal data: likelihood approach revisit.Biometrics, 62.1037-1043.
[7] Klein, J. P. and M. L. Moeschberger (1997). Survival Analysis: Techniques for Censored and Truncated Data. Springer.
[8] Lawless, J. F. (1982). Statistical Models and Methods for Lifetime Data. John Wiley & Sons, Inc., New York.
[9] Louis, T. A. (1982). Finding the observed Fisher information when using the EM algorithm. Journal of the Royal Statistical Society, Series B 44. 226-233.
[10] Lin, D. Y. and Ying, Z. (1993). Cox regression with incomplete covariate measurements. Journal of the American Statistical Association 88(424). 1341-1349.
[11] Orchard, T. and Woodbury, M. A. (1972). A missing information principle: Theory and applications. In Proceedings of the 6th Berkeley Symposium on Mathematical Statistics and Probability, Volume 1,697-715. Berkeley: University of California Press.
[12] Prentice, R. L. (1982). Covariate measurement errors and parameter estimation in failure time regression model. Biometrika 69. 331-342
[13] Press, W. H., Teutolsky, S. A., Vetterling, W. T., and Flannery,B.P. (1992). Numerical recipes in FORTRAN: the art of scientific computing. New York, NY, USA: Cambridge University Press, 2nd ed.
[14] Paik, M. C., and Tsai, W. Y. (1997). On using the Cox proportional hazards model with missing covariates. Biometrika 84(3). 579-593.
[15] Schafer, D.W.(1987). Covariate measurement errors in generalized linear models. Biometrika 74. 385-391.
[16] Tierney, L. and Kadane, J. B. (1986). Accurate approximation for posterior moments and marginal densities. Journal of the American Statistical Association 81. 82-86.
[17] Tseng, Y. K., Hsieh F. and Wang J.L. (2005). Joint modeling of accelerated failure time and longitudinal data., Biometrika 92. 587-603.
[18] Tseng, Y. K. and Hsieh, Y. H.. A Joint model approach for evaluating the efficacy of HAART treatment for AIDS patients in Taiwan. Manuscript.
[19] Wulfsohn, M. S. and Tsiatis, A. A. (1997). A joint model for survival and longitudinal data measured with error. Biometrics 53. 330-339.
[20] Wang, Y. and Taylor, J. M. G. (2001). Jointly modeling longitudinal and event time data with application to acquired immunodeficiency syndrome. Journal of the American Statistical Association 96. 895-905.
[21] Zhou, H. and Pepe, M. S. (1995). Auxiliary covariate data in failure time regression. Biometrika 82. 139-149.
[22] Zeng D. and Cai J. (2005). Asymptotic results for maximum likelihood estimators in joint analysis of repeated measurements and survival time. The Annals of Statistics 33(5). 2132-63.

指導教授

曾議寬(Yi-Kuan Tseng)

審核日期

2012-7-4

推文