论文部分内容阅读
传统的Cox比例风险回归模型,又被称为比例风险模型,要求协变量要满足比例风险性,这个要求过于苛刻。带有时间协变量的Cox模型不受比例风险性的约束,但是没有考虑到现实中未被观测到的因素对失效事件的影响以及各次观测间相关性的存在。
异质性模型是CoX模型的一个推广,它在Cox模型中加入随机效应项,它允许诸如重复测量等所引起的数据间的相关性的存在,并将未被观测到的因素对失效事件的影响也考虑在内。但是,未能对个体内部的差异还是个体外部的差异对失效事件的影响作出明确的划分。
多水平模型主要用于分析具有嵌套结构的数据,能够把个体内和个体外对因变量的影响划分开,但是要求因变量要有明确的值,像死亡率这种其值可以通过计算得到但不能直接观测到的变量,若要考虑一些因素对它的影响.目前的多水平模型是无能为力的。
本文结合异质性模型和多水平模型的特点,在经典Cox模型的基础上提出了一种新的寿命资料回归的模型,我们称之为寿命资料的多水平异质性模型,并在WinBugs 中用MCMC 算法的Gibbs抽样方法对各参数进行估计,随机模拟和应用实例表明,此模型能帮助我们更好地解决实际问题。