Odpowiedzi:
Lubię:
Pierwszy z nich dobrze radzi sobie z teorią teorii i modelowania modeli. Koncentruje się głównie na technikach półparametrycznych, ale istnieje wystarczające pokrycie metod parametrycznych. Tak naprawdę nie zawiera żadnych R ani innych przykładów kodu, jeśli o to ci chodzi.
Drugi jest ciężki z modelowaniem po stronie PH Coxa (jak mógłby sugerować tytuł). Jest to autor pakietu przetrwania w R i istnieje wiele przykładów R i mini-studiów przypadków. Myślę, że obie książki się uzupełniają, ale polecam pierwszą na początek.
Szybkim sposobem na rozpoczęcie pracy w R jest przewodnik Davida Dieza .
Aby uzyskać bardzo jasne, zwięzłe i zastosowane podejście, gorąco polecam Modelowanie historii zdarzeń autorstwa Box-Steffenmeier i Jonesa
„Analiza przeżycia za pomocą SAS: praktyczny przewodnik” Paula D. Allisona stanowi dobry przewodnik na temat związku między matematyką a kodem SAS - jak myśleć o swoich informacjach, jak kodować, jak interpretować wyniki. Nawet jeśli używasz R, istnieją podobieństwa, które mogą okazać się przydatne.
David Collett. Modelowanie danych dotyczących przeżycia w badaniach medycznych , wydanie drugie. Chapman & Hall / CRC. 2003. ISBN 978-1584883258
Sekcja oprogramowania koncentruje się jednak na SAS, a nie R.
Nauczyłem się od Hosmer & Lemeshow & May , który obejmuje podstawy. Pomogło mi to również znaleźć naprawdę tani egzemplarz ...
Analiza przeżycia: samouczący się tekst autorstwa Kleinbaum i Klein
jest całkiem dobre. To zależy od tego, czego chcesz. Jest to raczej wprowadzenie nietechniczne. Koncentruje się na praktycznych zastosowaniach i minimalizuje matematykę. Pedegocjalnie jest również przeznaczony do nauki poza klasą.
Zajrzyj na stronę kursu Sociology 761: Statystyka zastosowań w badaniach społecznych . Profesor John Fox z McMaster University ma notatki z kursu na temat analizy przeżycia, a także przykładowy skrypt R i kilka plików danych .
W innej perspektywie patrz Modele do oceny ryzyka, 3 / e , standardowy podręcznik do egzaminu aktuarialnego 3 / MLC . Większość książki, rozdziały 3-10, obejmuje modele płatności uzależnione od przeżycia.
I found "Analysis of survival data" by Cox and Oakes (Chapman and Hall Monographs on Statistics and Applied Probability - vol. 21) to be very readable and informative. No material on survival analysis in R though.
Sage pubs book, Introducing Survival and Event History Analysis by Melinda Mills, has been build for an R users' adience.
I'm surprised no one has mentioned it, but there is a book that exactly meets your specifications:
Tableman & Kim. Survival Analysis using S. Chapman & Hall/CRC.
Książka „Analiza przeżycia, techniki dla cenzurowanych i skróconych danych” napisana przez Kleina i Moeschbergera (2003) jest zawsze pierwszą referencją, którą poleciłbym osobom zainteresowanym nauką, ćwiczeniem i studiowaniem analizy przeżycia. Ta książka zawiera nie tylko obszerne dyskusje na temat problemów, jakie napotkamy podczas analizy danych dotyczących czasu do zdarzenia, z dużą ilością przykładów różnorodności i przydatnych technik, które możemy zastosować, aby skorygować „stronniczość” wywołaną powyższymi problemami, ale także przygotowuje mnóstwo notatek praktycznych i teoretycznych, które zaprowadzą nas do drzwi pięknych aplikacji i metodologii analizy przetrwania.
Druga książka, którą poleciłabym to „The Statistics Analysis of Failure Time Data” Kalbfleisch & Prentice (2002). Obaj profesorowie są mistrzami w tej trudnej dziedzinie, aw tej książce wykładają niezbyt trywialne koncepcje w bardzo jasny sposób i czerpią wiele najnowszych technik w tamtym czasie, z ich wskazówkami jesteśmy dobrze przygotowani do wkrocz do bogatego świata analiz przetrwania.
Jeśli naprawdę spędzimy czas na studiowaniu tych dwóch książek, możemy zdobyć wiele fundamentalnej i głębokiej wiedzy do analizy cenzurowanych i / lub skróconych danych, co spowoduje poważne stronnicze wnioski, jeśli po prostu zignorujemy te problemy z natury prawie wszędzie w aplikacjach rzeczywistych . Miłego czytania.
For survival analysis with R see Event History Analysis with R by Broström. With alot of R examples of survival analysis on historical demographic data.
Dirk F. Moore Applied Survival Analysis Using R