Questions tagged «time-varying-covariate»

我有关于每轮比赛后5轮消耗减少的一系列获胜和失败投注数据。我正在使用如下所示的决策树来显示数据。 往树顶的节点是那些有下注的节点，而往树底的那些节点是有下注的节点。我想看看（a）每个节点的损耗（b）每个节点的平均赌注大小变化。我正在查看前一个节点上每个节点的损耗率和存活率（如果概率为50％，则使用每个节点上的预期人数）。例如，如果每个节点的概率为50％，则在开始的1000个节点中，第二个节点W和L中应该有大约500个人。假设是（a）损失之后损耗率更高赌注（b）表示输家后减少赌注大小，赢家后增加赌注。 我只想首先在一个非常简单的单变量设置中执行此操作。如果有50个人退出，我如何执行t检验以显示从节点WW到节点WWW的平均下注大小的变化在统计上是显着的？我不确定这是正确的方法：每个后续下注都是独立的，但是人们在输家之后都退出比赛，因此样本不匹配。如果只是同一班同学一次又一次地参加一系列考试而又没有一个人辍学的情况，我会理解如何进行适当的t检验，但是我认为这有点不同。 我怎样才能做到这一点？此外，如果结果受到少数客户的歪曲，我该如何计算出前5％和后5％的收入？只是从下注1-3中删除累积赌注最高的客户？ 我有从中生成该图的数据，所以在每个节点上都有平均值，std，std错误等。

10 t-test  survival  panel-data  time-varying-covariate 

我想从包含时间相关协变量的Cox比例风险模型生成生存时间。该模型是 h(t|Xi)=h0(t)exp(γXi+αmi(t))h(t|Xi)=h0(t)exp⁡(γXi+αmi(t))h(t|X_i) =h_0(t) \exp(\gamma X_i + \alpha m_{i}(t)) 其中是从Binomial（1,0.5）和。XiXiX_imi(t)=β0+β1Xi+β2Xitmi(t)=β0+β1Xi+β2Xitm_{i}(t)=\beta_0 + \beta_1 X_{i} + \beta_2 X_{i} t 真实参数值用作γ=1.5,β0=0,β1=−1,β2=−1.5,h0(t)=1γ=1.5,β0=0,β1=−1,β2=−1.5,h0(t)=1\gamma = 1.5, \beta_0 = 0, \beta_1 = -1, \beta_2 = -1.5, h_0(t) = 1 对于与时间无关的协变量（即我生成如下h(t|Xi)=h0(t)exp(γXi)h(t|Xi)=h0(t)exp⁡(γXi)h(t|X_i) =h_0(t) \exp(\gamma X_i) #For time independent case # h_0(t) = 1 gamma <- -1 u <- runif(n=100,min=0,max=1) Xi …

9 r  survival  cox-model  time-varying-covariate