序第二版前言第1章 导言第1节 事件史分析的难题第2节 事件史方法综述第3节 计算第2章 离散时间方法第1节 一个离散时间的例子第2节 离散时间机会第3节 logistic回归模型第4节 模型估计第5节 生物化学例子的估计值第6节 似然比卡方检验第7节 离散时间的logistic方法存在的问题第8节 删截第9节 离散时间vs.连续时间
序第二版前言第1章 导言第1节 事件史分析的难题第2节 事件史方法综述第3节 计算第2章 离散时间方法第1节 一个离散时间的例子第2节 离散时间机会第3节 logistic回归模型第4节 模型估计第5节 生物化学例子的估计值第6节 似然比卡方检验第7节 离散时间的logistic方法存在的问题第8节 删截第9节 离散时间vs.连续时间第3章 连续时间数据的参数法第1节 连续时间的机会第2节 参数比例机会模型第3节 极大似然估计第4节 一个实际案例第5节 加速失效时间模型第6节 评估模型拟合度第7节 异质性的隐性来源第8节 为什么选择参数模型?第4章 Cox回归第1节 比例机会模型第2节 部分似然第3节 部分似然应用于累犯数据第4节 时变解释变量第5节 应用包含时变解释变量的模型第6节 检验和放松比例机会假设第7节 时间尺度原点的选择第8节 离散时间数据的Cox回归第9节 基于Cox模型的预测第5章 多种类事件第1节 多种类事件的分类第2节 平行过程的估计第3节 竞争性风险模型第4节 竞争性风险的实例第5节 不同种类事件间的依赖第6节 累计发生函数第6章 重复事件第1节 重复事件的计数分析第2节 基于间隔时间的方法第3节 基于起点时间的方法第4节 扩展第7章 结论附录参考文献译名对照表