English  |  正體中文  |  简体中文  |  全文筆數/總筆數 : 51511/86795 (59%)
造訪人次 : 8280268      線上人數 : 110
RC Version 7.0 © Powered By DSPACE, MIT. Enhanced by NTU Library & TKU Library IR team.
搜尋範圍 查詢小技巧:
  • 您可在西文檢索詞彙前後加上"雙引號",以獲取較精準的檢索結果
  • 若欲以作者姓名搜尋,建議至進階搜尋限定作者欄位,可獲得較完整資料
  • 進階搜尋
    請使用永久網址來引用或連結此文件: http://tkuir.lib.tku.edu.tw:8080/dspace/handle/987654321/92545


    題名: A linear transformation model for multivariate interval-censored failure time data
    其他題名: 多重區間設限資料之線性轉換模型分析方法
    作者: Chen, Man-Hua;Tong, Xingwei;Zhu, Liang
    貢獻者: 淡江大學統計學系
    關鍵詞: 區間設限;線性轉換模型;多變量設限資料;Interval-censoring;linear transformation model;multivariate failure time data;MSC 2010: Primary 62N02;secondary 62P10
    日期: 2013-06
    上傳時間: 2013-10-18 09:04:28 (UTC+8)
    出版者: Hoboken: Wiley-Blackwell Publishing, Inc.
    摘要: This paper discusses multivariate interval-censored failure time data observed when several correlated survival times of interest exist and only interval censoring is available for each survival time. Such data occur in many fields, for instance, studies of the development of physical symptoms or diseases in several organ systems. A marginal inference approach was used to create a linear transformation model and applied to bivariate interval-censored data arising from a diabetic retinopathy study and an AIDS study. The results of simulation studies that were conducted to evaluate the performance of the presented approach suggest that it performs well.
    在過去30年中,多數文獻針對右設限事件時間做分析討論。由於醫學研究的發展,區間設限資料在臨床試驗研究上被廣泛收集。在這樣的試驗中,每位研究對象的病人都是週期性的被檢驗或觀察,因此我們可以視事件時間為某段確定的時間,稱之為區間設限時間。進而,考慮多重事件時間的關係並提供彈性的方法為一新課題。
    在本篇文章中,我們將建構邊際概似函數用於多重區間設限轉換模型,求模式中的參數估計方程式,再由此估計方程式求參數估計量。接著利用模擬的方式來驗證參數估計量的一致性。最後將此推廣方法應用於實際的糖尿病與愛滋病資料。
    關聯: The Canadian Journal of Statistics 41(2), pp.275–290
    DOI: 10.1002/cjs.11177
    顯示於類別:[統計學系暨研究所] 期刊論文

    文件中的檔案:

    檔案 描述 大小格式瀏覽次數
    0319-5724_41(2)p275-290.pdf134KbAdobe PDF126檢視/開啟

    在機構典藏中所有的資料項目都受到原著作權保護.

    TAIR相關文章

    DSpace Software Copyright © 2002-2004  MIT &  Hewlett-Packard  /   Enhanced by   NTU Library & TKU Library IR teams. Copyright ©   - 回饋