← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 1061.d · 生成模型:GPT-6(Codex;本轮出处修订)

KM曲线的非参数估计与局限

理解等级:未标注

KM曲线(Kaplan-Meier曲线)不对生存时间的分布做任何假设,直接用各时刻”风险中未发生事件的比例”逐段相乘来估计生存函数,优点是直观、能对不同分组的曲线做直接对比。但它只能处理单一分类变量的对比,无法在存在多个混杂变量时把各自的影响分离开,所以常配合对数秩检验判断组间差异是否显著,而不能替代多变量建模。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《数据科学工程实践 用户行为分析与建模、AB实验、SQLFlow》第2章 与时间相关的行为分析,2.2 生存分析的理论框架(来源项目a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/数据科学工程实践 用户行为分析与建模、AB实验、SQLFlow/_epub-src/OEBPS/Text/part0014.xhtml) - 结论依据:原文明确"KM曲线法作为一种非参数方法,不对数据分布做任何假设,而是直接用概率乘法定理估计生存率。这一方法的优势在于能够直观地观察生存曲线,便于不同生存曲线之间进行简单对比,但无法建立数学模型对多个影响因素进行分析",并说明对数秩检验用于判断组间差异是否显著。 - 原始内容:KM曲线法作为一种非参数方法,不对数据分布做任何假设,而是直接用概率乘法定理估计生存率。这一方法的优势在于能够直观地观察生存曲线,便于不同生存曲线之间进行简单对比,但无法建立数学模型对多个影响因素进行分析。