基于计数过程的统计模型（英文版）

图书标准信息

• 作者 O.Borgan,et al 著；P.K.Andersen
• 出版社 世界图书出版公司
• 出版时间 1998-08
• 版次 1
• ISBN 9787506238175
• 定价 116.00元
• 装帧 平装
• 开本 其他
• 纸张 胶版纸
• 页数 767页

【内容简介】

One of the most remarkable examples of fast technology transfer from new developments in mathematical probability theory to applied statistical methodology is the use of counting processes, martingales in continuous time, and stochastic integration in event history analysis. By this (or generalized survival analysis), we understand the study of a collection of individuals, each moving among a finite (usually small) number of states. A basic example is moving from alive to dead, which forms the basis of survival analysis. Compared to other branches of statistics, this area is characterized by the dynamic temporal aspect, making modelling via the intensities useful, and by the special patterns of incompleteness of observation, of which right-censoring in survival analysis is the most important and best known example.

【目录】

Preface 

I. Introduction 

　I.1 General Introduction to the Book 

　1.2 Brief Survey of the Development of the Subject 

　1.3 Presentation of Practical Examples 

II. The Mathematical Background 

　II.1 An Informal Introduction to the Basic Concepts 

　II.2 Preliminaries: Processes， Filtrations， and Stopping Times 

　II.3 Martingale Theory 

　II.4 Counting Processes 

　II.5 Limit Theory 

　II.6 Product-Integration and Markov Processes 

　II.7 Likelihoods and Partial Likelihoods for Counting Processes 

　II.8 The Functional Delta-Method 

　II.9 Bibliographic Remarks 

III. Model Specification and Censoring 

　III.1 Examples of Counting Process models for Complete Life 

　History Data. The Multiplicative Intensity Model 

　III.2 Right-Censoring 

　III.3 Left-Truncation 

　III.4  General Censorship, Filtering, and Truncation

　III.5  Partial Model Specifi ation. Time-Dependent Covariates

　III.6  Bibliographic Remarks

IV.   Nonparametric Estimation

　IV.1  The Nelson-Aalen estimator

　IV.2  Smoothing the Nelson-Aalen Estimator

　IV.3  The Kaplan-Meier Estimator

　IV.4  The Product-Limit Estimator for the Transition Matrix of a

      Nonhomogeneous Markov Process

　IV.5  Bibliographic Remarks

V.   Nonparametric Hypothesis Testing

　V.1  One-Sample Tests

　V.2  k-Sample Tests

　V.3  Other Linear Nonparametric Tests

　V.4  Using the Complete Test Statistic Process

　V.5  Bibliographic Remarks

VI.  Parametric Models

　VI.1  Maximum Likelihood Estimation

　VI.2  M-Estimators

　VI.3  Model Checking

　VI.4  Bibliographic Remarks

VII.  Regression Models

　VII.1  Introduction. Regression Model Formulation

　VII.2  Semiparametric Multiplicative Hazard Models

　VII.3  Goodness-of-Fit Methods for the Semiparametric

       Multiplicative Hazard Model

　VII.4  Nonparametric Additive Hazard Models

　VII.5  Other Non-and Semi-parametric Regression Models

　VII.6  Parametric Regression Models

　VII.7  Bibliographic Remarks

VIII.  Asymptotic Efficiency

　VIII.1  Contiguity and'Local Asymptotic Normality

　VIII.2  Local Asymptotic Normality in Counting Process Models

　VIII.3  Infinite-dimensional Parameter Spaces: the General Theory

　VIll.4  Semiparametric Counting Process Models

　VIII.5  Bibliographic Remarks

IX.    Frailty Models

　IX.1   Introduction

　IX.2   Model Construction

　IX.3   Likelihoods and Intensities

  ……

X. Multivariate  Time Scale

Appendix

References

Author Index

Subject Index