Antworten:
Ich mag:
Die erste leistet gute Arbeit in Bezug auf Theorie und Modellbildung. Es konzentriert sich hauptsächlich auf semiparametrische Techniken, aber es gibt eine angemessene Abdeckung für parametrische Methoden. Es enthält kein R oder andere Codebeispiele, wenn Sie danach suchen.
Die zweite ist schwer mit der Modellierung auf der Cox PH-Seite (wie der Titel vielleicht anzeigt). Es ist vom Autor des Überlebenspakets in R und es gibt viele R-Beispiele und Mini-Fallstudien. Ich denke, beide Bücher ergänzen sich, aber ich würde das erste für den Einstieg empfehlen.
Ein schneller Einstieg in R ist der Leitfaden von David Diez .
Für einen sehr klaren, prägnanten und angewandten Ansatz empfehle ich die Event History Modellierung von Box-Steffenmeier und Jones
"Überlebensanalyse mit SAS: ein praktischer Leitfaden" von Paul D. Allison bietet einen guten Leitfaden für die Verbindung zwischen Mathematik und SAS-Code - wie man über seine Informationen nachdenkt, wie man codiert, wie man Ergebnisse interpretiert. Auch wenn Sie R verwenden, gibt es Parallelen, die sich als nützlich erweisen können.
David Collett. Modellierung von Überlebensdaten in der medizinischen Forschung , 2. Auflage. Chapman & Hall / CRC. 2003. ISBN 978-1584883258
Der Softwarebereich konzentriert sich jedoch auf SAS und nicht auf R.
Ich habe von Hosmer & Lemeshow & May gelernt , was die Grundlagen abdeckt. Es hat auch geholfen, dass ich ein wirklich billiges Exemplar gefunden habe ...
Überlebensanalyse: Ein selbstlernender Text von Kleinbaum und Klein
ist ziemlich gut. Es kommt darauf an, was Sie wollen. Dies ist eher eine nicht-technische Einführung. Es konzentriert sich auf praktische Anwendungen und minimiert die Mathematik. Pedegocially ist es auch für das Lernen außerhalb des Klassenzimmers gedacht.
Schauen Sie sich die Vorlesungsseite zu Soziologie 761: Statistische Anwendungen in der Sozialforschung an . Professor John Fox an der McMaster University hat natürlich Hinweise auf das Überleben Analyse sowie ein Beispiel R Skript und mehrere Datendateien .
Für eine andere Perspektive siehe Modelle zur Risikoquantifizierung, 3 / e , das Standardlehrbuch für die versicherungsmathematische Prüfung 3 / MLC . Der Großteil des Buches, Kapitel 3-10, befasst sich mit überlebensabhängigen Zahlungsmodellen.
Ich fand "Analyse von Überlebensdaten" von Cox und Oakes (Chapman und Hall Monographs on Statistics and Applied Probability - Vol. 21) sehr lesbar und informativ. Es gibt jedoch kein Material zur Überlebensanalyse in R.
Das Sage-Pubs-Buch „Introducing Survival and Event History Analysis“ von Melinda Mills wurde für R-Benutzer entwickelt.
Ich bin überrascht, dass niemand davon gesprochen hat, aber es gibt ein Buch, das genau Ihren Vorgaben entspricht:
Tableman & Kim. Überlebensanalyse unter Verwendung von S . Chapman & Hall / CRC.
Das Buch "Überlebensanalyse, Techniken für zensierte und abgeschnittene Daten" von Klein & Moeschberger (2003) ist immer die erste Referenz, die ich für Menschen empfehlen würde, die daran interessiert sind, Überlebensanalyse zu lernen, zu üben und zu studieren. Dieses Buch bietet nicht nur umfassende Diskussionen zu den Problemen, mit denen wir bei der Analyse der Time-to-Event-Daten konfrontiert sind, mit vielen Beispielen für Abwechslung und nützlichen Techniken, die wir anwenden können, um die durch die obigen Probleme verursachte "Verzerrung" zu korrigieren, sondern auch bereitet Tonnen von praktischen und theoretischen Notizen vor, um uns an die Haustür der wunderschönen Anwendungen und Methoden der Überlebensanalyse zu führen.
Das zweite Buch, das ich empfehlen würde, ist "The Statistical Analysis of Failure Time Data" von Kalbfleisch & Prentice (2002). Beide Professoren sind Meister auf diesem herausfordernden Gebiet, und in diesem Buch werden nicht so triviale Konzepte auf sehr klare Weise behandelt und viele der damals neuesten Techniken abgeleitet, auf die wir mit ihrer Anleitung gut vorbereitet sind Tauchen Sie ein in die Welt der Überlebensanalyse.
Wenn wir wirklich viel Zeit für das Studium dieser beiden Bücher aufwenden, können wir viel grundlegendes und tiefgreifendes Wissen erwerben, um zensierte und / oder abgeschnittene Daten zu analysieren. Dies führt zu schwerwiegenden Verzerrungen, wenn wir diese Probleme fast überall in realen Anwendungen ignorieren . Viel Spaß beim Lesen.
Zur Überlebensanalyse mit R siehe Ereignisverlaufsanalyse mit R von Broström. Mit einer Menge von R Beispielen zur Überlebensanalyse historischer demografischer Daten.
Das Buch, das wir als Lehrbuch verwendet haben, heißt
Angewandte Überlebensanalyse von David W Hosmer
Dieses Buch ist aus der Perspektive von Biostat und ich fand heraus, dass es fast alles behandelt, was ich in meiner Arbeit verwendet habe. Sie haben auch R / State / SAS-Code auf ihrer Website nach ihren Beispielen im Buch.
Dirk F. Moore Angewandte Überlebensanalyse mit R