Modeling Discrete Time-to-Event Data

این کتاب بر روی روش‌های آماری برای تجزیه و تحلیل زمان‌های شکست گسسته تمرکز دارد. تجزیه و تحلیل زمان شکست یکی از مهم ترین زمینه ها در تحقیقات آماری است که کاربردهای آن بر طیف گسترده ای از رشته ها، به ویژه جمعیت شناسی، اقتصاد سنجی، اپیدمیولوژی و تحقیقات بالینی تأثیر می گذارد. اگرچه روش های آماری بسیار متنوعی برای تجزیه و تحلیل زمان شکست وجود دارد، تکنیک های زیادی برای زمان های شکست طراحی شده اند که در مقیاس پیوسته اندازه گیری می شوند. با این حال، در مطالعات تجربی، زمان‌های شکست اغلب گسسته هستند، یا به این دلیل که در فواصل زمانی اندازه‌گیری شده‌اند (به عنوان مثال، فصلی یا سالانه) یا به این دلیل که گرد یا گروه‌بندی شده‌اند. این کتاب روش‌های تثبیت‌شده‌ای مانند تحلیل جدول عمر و مدل‌های رگرسیون خطر گسسته را پوشش می‌دهد، اما همچنین تکنیک‌های پیشرفته‌ای را برای ارزیابی مدل، تخمین ناپارامتریک و انتخاب متغیر معرفی می‌کند. در سراسر، روش‌ها با کاربردهای زندگی واقعی نشان داده شده‌اند و روابط با تجزیه و تحلیل بقا در زمان پیوسته توضیح داده شده‌اند. هر بخش شامل مجموعه ای از تمرینات در مورد موضوعات مربوطه است. توابع و ابزارهای مختلف برای تجزیه و تحلیل داده های بقای گسسته در بسته R discSurv که همراه کتاب است جمع آوری شده است.

This book focuses on statistical methods for the analysis of discrete failure times. Failure time analysis is one of the most important fields in statistical research, with applications affecting a wide range of disciplines, in particular, demography, econometrics, epidemiology and clinical research. Although there are a large variety of statistical methods for failure time analysis, many techniques are designed for failure times that are measured on a continuous scale. In empirical studies, however, failure times are often discrete, either because they have been measured in intervals (e.g., quarterly or yearly) or because they have been rounded or grouped. The book covers well-established methods like life-table analysis and discrete hazard regression models, but also introduces state-of-the art techniques for model evaluation, nonparametric estimation and variable selection. Throughout, the methods are illustrated by real life applications, and relationships to survival analysis in continuous time are explained. Each section includes a set of exercises on the respective topics. Various functions and tools for the analysis of discrete survival data are collected in the R package discSurv that accompanies the book.