मैं बार-बार द्विआधारी परिणामों का उपयोग करके एक समय-से-घटना विश्लेषण से निपटने की कोशिश कर रहा हूं। माना कि समय-समय पर घटना को दिनों में मापा जाता है, लेकिन फिलहाल हम हफ्तों के लिए विवेक रखते हैं। मैं बार-बार द्विआधारी परिणामों का उपयोग करके एक कापलान-मायर अनुमानक (लेकिन कोवरिएट्स के लिए अनुमति) का अनुमान लगाना चाहता हूं। यह जाने के लिए एक राउंडअबाउट तरीका की तरह प्रतीत होगा लेकिन मैं यह खोज रहा हूं कि यह क्रमिक परिणामों और आवर्तक घटनाओं तक कैसे फैलता है।
यदि आप एक द्विआधारी अनुक्रम बनाते हैं जो 3 सप्ताह में किसी के लिए 000 की तरह दिखता है, तो 4w पर सेंसर किए गए किसी व्यक्ति के लिए 0000, और 0000111111111111 पर .... किसी ऐसे विषय के लिए जो 5w में विफल हो गया (1s उस बिंदु तक विस्तारित होता है जिसके लिए अंतिम विषय था अध्ययन में अनुसरण किया गया), जब आप 1s के सप्ताह-विशिष्ट अनुपात की गणना करते हैं, तो आप साधारण संचयी घटनाओं को प्राप्त कर सकते हैं (जब तक कि आप चर सेंसरिंग समय तक नहीं पहुंचते हैं, जहां यह केवल अनुमान लगाता है लेकिन कपलान-मेयर संचयी घटना अनुमानों के बराबर नहीं है)।
मैं जीईई का उपयोग करके बाइनरी लॉजिस्टिक मॉडल के साथ दोहराया बाइनरी टिप्पणियों को फिट कर सकता हूं, इसके बजाय समय के साथ ऊपर के रूप में असतत बनाने के बजाय। क्लस्टर सैंडविच कोविरियन अनुमानक काफी अच्छी तरह से काम करता है। लेकिन मैं एक मिश्रित प्रभाव मॉडल का उपयोग करके अधिक सटीक निष्कर्ष निकालना चाहता हूं। समस्या यह है कि पहले 1 के बाद 1 निरर्थक हैं। क्या किसी को यादृच्छिक प्रभावों को निर्दिष्ट करने या किसी ऐसे मॉडल को निर्दिष्ट करने का तरीका पता है जो अतिरेक को ध्यान में रखता है ताकि मानक त्रुटियों को समाप्त नहीं किया जाएगा?
ध्यान दें कि यह सेटअप Efron से अलग है क्योंकि वह जोखिम सेट में सशर्त संभावनाओं का अनुमान लगाने के लिए लॉजिस्टिक मॉडल का उपयोग कर रहा था। मैं बिना शर्त संभावनाओं का अनुमान लगा रहा हूं।
GLMMadaptiveपैकेज अधिक सामान्य सेटअप के लिए भयानक लग रहा है।