1 基本概念和模型 1
1.1 生存分析研究的问题 1
1.2 生存数据 2
1.3 生存随机变元的分布及风险函数 7
2 生存数据的非参数估计 10
2.1 不完全数据的非参数估计 10
2.2 生存数据的K-M估计 12
2.3 生存寿命区间表估计 14
2.4 SAS软件的PROC LIFETEST 17
2.5 实例——特种训练中雇工淘汰数据的生存分析 18
3 生存函数的比较 26
3.1 对数序检验 26
3.2 对例2.3的数据作logrank检验 28
3.3 多元风险函数比的生存数据检验（STRATA）） 35
3.4 风险函数的多组对比检验 35
3.5 风险函数比检验 37
3.6 线性序检验 38
3.7 Gehan广义Wilcoxon检验 39
3.8 广义Wilcoxon检验 43
3.9 多元样本的对数序检验 44
3.10 风险函数的意义及讨论 47
4 生存数据分布函数的参数估计 50
4.1 生存分布的似然函数 50
4.2 置信区间 51
4.3 参数的点估计 54
4.4 回归分析的最小二乘估计 56
4.5 生存分布参数的最大似然估计 58
4.6 指数分布 59
4.7 威泊分布 71
4.8 伽玛分布 85
4.9 劳吉斯特分布 88
4.10 SAS的生存分析程序及其说明 91
5 生存数据的风险比例模型 95
5.1 风险比例模型 96
5.2 风险比例模型的参数估计 98
5.3 生存分布的估计 103
5.4 用SAS建立风险比例模型 104
6 生存分布的参数分析与过程LIFEREG 143
6.1 生存分布参数分析的一般问题 143
6.2 LIFEREG常用的分布综述 145
6.3 参数估计方法 148
6.4 参数回归的应用 149
7 重复测量数据分析方法 166
7.1 重复测量数据简介 166
7.2 非风险比例模型 176
7.3 实例——公司离职雇员数据的多因素分析 178
7.4 多元事件Frailty模型简介 182
参考文献 183