实用生存模型：不完全数据分析

1 基本概念和模型
1.1 生存分析研究的问题
1.2 生存数据
1.3 生存随机变元的分布及风险函数
2 生存数据的非参数估计
2.1 不完全数据的非参数估计
2.2 生存数据的K.M估计
2.3 生存寿命区间表估计
2.4 SAS软件的PROCUFETEST
2.5 实例——特种训练中雇工淘汰数据的生存分析
3 生存函数的比较
3.1 对数序检验
3.2 对例2.3的数据作logrank检验
3.3 多元风险函数比的生存数据检验（STRATA）
3.4 风险函数的多组对比检验
3.5 风险函数比检验
3.6 线性序检验
3.7 Gehan广义Wilcoxon检验
3.8 广义Wilcoxon检验
3.9 多元样本的对数序检验
3.10 风险函数的意义及讨论
4 生存数据分布函数的参数估计
4.1 生存分布的似然函数
4.2 置信区间
4.3 参数的点估计
4.4 回归分析的最小二乘估计
4.5 生存分布参数的最大似然估计
4.6 指数分布
4.7 威泊分布
4.8 伽玛分布
4.9 劳吉斯特分布
4.10 SAS的生存分析程序及其说明
5 生存数据的风险比例模型
5.1 风险比例模型
5.2 风险比例模型的参数估计
5.3 生存分布的估计
5.4 用SAS建立风险比例模型
6 生存分布的参数分析与过程LIFEREG
6.1 生存分布参数分析的一般问题
6.2 LIFEREG常用的分布综述
6.3 参数估计方法
6.4 参数回归的应用
7 重复测量数据分析方法
7.1 重复测量数据简介
7.2 非风险比例模型
7.3 实例——公司离职雇员数据的多因素分析
7.4 多元事件Frailty模型简介
参考文献