学位论文 > 优秀研究生学位论文题录展示

Cox回归比例风险假定的考察和影响点的识别及其SAS和SPSS实现

作　者: 马振中
导　师: 余红梅
学　校: 山西医科大学
专　业: 流行病学与卫生统计学
关键词: 生存分析 Cox回归比例风险影响点
分类号: R181.3
类　型: 硕士论文
年　份: 2007年
下　载: 312次
引　用: 0次
阅　读: 论文下载

内容摘要

目的:用SAS 8.2和SPSS 11.5软件包对生存资料Cox回归中比例风险假定和影响点进行考察与识别,并比较两者输出结果的异同。方法:比例风险假定的考察采用比较Kaplan-Meier生存曲线、log[-logS(t)]对t曲线和时协变量法正规检验;影响点的识别采用Schoenfeld残差、加权score残差、鞅残差、剩余残差、似然距离和最大影响曲率等统计量及其统计图。统计软件的实现采用SAS 8.2和SPSS 11.5。结果:图示法和检验法都能够在一定程度上检查Cox回归比例风险假定,除了SAS实现log[-logS(t)]对t曲线较需要自编程序外,其它方法SAS和SPSS软件实现非常方便和快捷。对影响点的识别,SAS可输出所有的影响诊断统计量,包括Schoenfeld残差、加权score残差、鞅残差、剩余残差、似然距离和最大影响曲率,而SPSS只能输出Schoenfeld残差和加权score残差,SPSS下的partial residuals相当于SAS下的Schoenfeld残差。结论:生存资料拟合Cox回归有必要考察比例风险假定和检查影响点。SAS和SPSS的诊断功能基本相近,比例风险假定的考察SPSS略优于SAS,影响点的识别SAS优于SPSS。

全文目录

[摘要]  5-6
[Abstract]  6-7
前言  7-8
第一章 Cox回归比例风险假定的考察及其SAS和SPSS实现  8-28
  1.1 前言  8-9
  1.2 方法  9-10
    1.2.1 比较Kaplan-Meier估计的生存曲线  9
    1.2.2 log[-logS(t)]对t的曲线  9-10
    1.2.3 时协变量法  10
  1.3 SAS和SPSS实现  10-15
    1.3.1 Kaplan-Meier法生存曲线  10-12
    1.3.2 log[-logS(t)]对t的曲线  12-15
    1.3.3 时协变量法  15
  1.4 实例分析  15-27
  1.5 讨论  27-28
第二章 Gox回归影响点的识别及其SAS和SPSS实现  28-41
  2.1 前言  28
  2.2 方法  28-31
    2.2.1 Schoenfeld残差  28-29
    2.2.2 加权Score残差  29
    2.2.3 鞅残差和剩余残差  29-30
    2.2.4 似然距离(LD)和最大影响曲率(l_(max))  30-31
  2.3 SAS和SPSS实现  31-33
    2.3.1 SAS过程  31-32
    2.3.2 SPSS过程  32-33
  2.4 实例分析  33-40
  2.5 讨论  40-41
参考文献  41-43
附录  43-54
个人简介  54-55
致谢  55

Cox回归比例风险假定的考察和影响点的识别及其SAS和SPSS实现

内容摘要

全文目录

相似论文