论文部分内容阅读
右删失数据是生物医药学研究中常见的数据类型,生存分析中有许多模型来处理这类数据.其中,对条件风险函数进行半参数建模是常用的方法.许多研究者对这类模型进行了研究和拓展.特别地,Cox比例风险模型、加法风险模型以及加法-乘法风险模型是三种主要的半参数模型.著名的偏似然方法代替全似然方法,用于对Cox比例风险模型的参数进行估计,然而对于加法风险模型以及加法-乘法风险模型的参数估计,往往采用类似于偏似然函数的得分方程的鞅估计方法.另外,Breslow估计是对非参数的累积基准风险函数部分的经典估计.然而,在疾病的治疗和控制研究中,研究者往往发现治疗或者控制病情有最佳时刻点.如何将该点的有用辅助生存信息提取出来,用于参数估计是我们关注的问题.因此,本文提出在Cox比例风险模型、加法风险模型以及加法-乘法风险模型下,通过分组来提取重要时刻的辅助信息,并用广义矩估计方法来联合辅助生存信息进行参数估计.同时,证明了我们提出的参数估计方法的相合性和渐近正态性及Breslow估计的弱收敛性.我们发现提出的方法不仅能够自动结合不同分组的辅助信息,而且广义矩估计方法的渐近方差比已有的方法小,从而能够看出我们的方法更有效.本文主要分为以下几个部分:第一章和第二章主要介绍一些生存分析的背景知识及广义矩估计方法的一些基本概念和结论.第三章研究的是Cox比例风险模型、加法风险模型以及加法-乘法风险模型中提取最佳治疗或者控制时刻点的辅助信息,并用广义矩估计方法进行参数估计.为了显示辅助信息的重要性,我们的方法还与无辅助信息的广义估计方法进行了比较,且证明了他们的相合性和渐近正态性,同时给出渐近协方差的显式估计.大样本性质表明,有辅助信息提取的广义矩估计方法的效率最高,而无辅助信息的广义矩估计方法的效率与已有的偏似然估计或者鞅估计方法一样.特别地,当只提取一个子组的辅助信息时,在以上三种模型下,我们提出的方法与已有的方法效率相同.第四章主要在三种条件风险模型下进行了有限样本的模拟,以此来验证广义矩估计方法的大样本性质.一系列模拟都说明了我们提出的方法比已有的方法更有效,同时也表明协方差估计方法的正确性.另外,这些模拟也显示出通过分组的方式来提取不同子组的辅助信息用于参数估计是可行的.第五章主要将我们在三种模型下提出的广义矩估计方法用于实例分析.结果表明,提取了辅助信息的广义矩估计方法确实比已有的方法或者无辅助信息的广义矩估计方法更有效.第六章主要对全文做出总结并给出后续研究方向.