多媒体12(下) 生存分析和回归分析.pptVIP

* 内容提要： 生存分布函数的估计 ? 第10讲(下） 生存分析（一） ? 例子及基本概念 两生存分布函数的比较 ? 一、例子及基本概念 1、三种不完全数据情形 本课程到目前为止都是介绍完整数据的统计处理方法，但在实际数据收集过程中，有时会出现不完全数据的情况。 不完全数据(incomplete data or missing data)主要有三种情况： （1）部分整体数据随机性丢失 Missing Completely at Random (MCAR) 比如：Heitjan (1997) 例子——设想一个研究者由于原始数据单（一张数据单上有多个数据）的搬来搬去（ shuffling ），从而造成了某些数据单的丢失（discarding)，致使数据带来了缺失. 又比如：调查者随机性地安排研究参加者完成调查仪器的2/3指标测量，而完整数据应当完成所有抽样对象的测定。 （2）个别数据随机性丢失 Missing at Random (MAR) 例如：在随时间考察忧虑度作为自信度（self-esteem) 的函数的研究中一个具有低自信度的研究参加者比高自信度的研究参加者更容易失访。 研究者可以根据自信度的测量以预测个体数据的丢失可能性大小。 又比如：在阅读理解能力的调查跟踪研究中，调查者在研究之初给研究对象进行了阅读理解测试，具有低测试分数的研究者比高分数的测试对象更可能不完成整个研究计划，从而造成了数据的缺失. 这类研究的特点是：实际数据的丢失是由于其它外部因素引起的，而且外部因素对数据缺失的影响是随机的，这种外部因素，我们把它称为干扰随机变量。 （3） 非随机性缺失（Nonignorable）: 特点：数据的缺损是非随机性的，不能用其它变量预测。 比如，在失重研究中，参加者并不留意体重的增加量（weigh-in ），因为关心是体重失去的重量，因此，他的数据是因为不可忽视（nonignorable）的因素引起的缺损，而不是随机性的。 2、生存数据的概念 生存分析是研究生存数据的一种统计方法 生存数据是指生存时间，广泛定义为一给定的事件出现的时间。这个事件可以是疾病的发生、某种治疗（处理）的反应、病情复发或死亡。例如，无肿瘤时间、一种治疗开始到有反应所花的时间、病人术后的存活时间等 生存数据的特点： （1）并非所有个体的生存时间均准确知道。 即在研究期间结束时某些个体身上还没有出现我们关心的事件，其原因可能是：在研究期限之内，可能有些动物仍然活着，我们无法知道它确切的生存时间；实验安排时一旦有一定比例数目的动物死亡就停止观测，没有死亡的动物无法知道它准确的生存时间；有些对象在研究结束之前退出研究而不被跟踪观察。这类数据称为删失数据（censored data）。 （2）数据常常不服从于正态分布。 我们以前讲述的统计方法大都假定数据服从正态分布进行处理的，而生存数据则不能用传统的方法解决。比如，双样本t检验适用于两总体正态同方差情形的完整数据，它不再适用于两生存数据的比较。 以下总假定生存数据是部分随机删失的。 3、生存分析的基本概念 假定T为生存时间 假定T的密度函数为f(x)，分布函数为F(t) 生存函数定义为S(t) 危险率函数 危险率函数表示t时前还活着的对象在t时死亡的瞬时概率强度，如果某时刻的危险度函数越大，说明在该时刻死亡的可能性就越大。 累积危险度函数∧(t) 生存函数与累积危险度函数的关系 定义U为删失时间，或称为干扰随机变量。也就是说，一旦真实生存时间大于删失时间，我们只能观测到删失时间，而不能观测到真实时间，只有当生存时间小于删失时间时，我们才能观测到真实的生存时间。 因此，每个生存数据应当包含两层意思：第一，所观测到的数据的具体数值；第二，所观测到的数据是不是真实生存时间。用数对（X,δ）表示。 解释：如果δ=0，那么所观测到的数据不是真实的生存时间，而是比真实生存时间要小，称之为删失数据；如果δ=1，那么所观测到的数据是真实的生存时间。 δn xn n δ3 x3 3 δ2 x2 2 ∶ ∶ ∶ δ1 状态 x1 观测时间 1 个体 数据格式： 二、生存函数的估计 1、寿命表方法 将区间（0，∞）分成k+1个区间，记为I1,I2,…，Ik+1. 记录在每个区间内真实死亡的个体数，记为D1,D2,…,Dk+1. 记录在每个区间内截断（不是真实死亡）的个体数，记为W1,W2,…,Wk+1. 记录在每个区间起始点开始仍活着的个体数，记为N1,N2,…,Nk+1. 用S(i)表示第i个区间右端点以后仍然活着的概率，则寿命表法估计如下： 寿命表法比较粗糙，理论上缺乏根据。但由于