1 基本概念和模型

1.1 生存分析研究的问题

1.2 生存数据

1.3 生存随机变元的分布及风险函数

2 生存数据的非参数估计

2.1 不完全数据的非参数估计

2.2 生存数据的K-M估计

2.3 生存寿命区间表估计

2.4 SAS软件的PROC LIFETEST

2.5 实例——特种训练中雇工淘汰数据的生存分析

3 生存函数的比较

3.1 对数序检验

3.2 对例2.3的数据作logrank检验

3.3 多元风险函数比的生存数据检验（STRATA））

3.4 风险函数的多组对比检验

3.5 风险函数比检验

3.6 线性序检验

3.7 Gehan广义Wilcoxon检验

3.8 广义Wilcoxon检验

3.9 多元样本的对数序检验

3.10 风险函数的意义及讨论

4 生存数据分布函数的参数估计

4.1 生存分布的似然函数

4.2 置信区间

4.3 参数的点估计

4.4 回归分析的最小二乘估计

4.5 生存分布参数的最大似然估计

4.6 指数分布

4.7 威泊分布

4.8 伽玛分布

4.9 劳吉斯特分布

4.10 SAS的生存分析程序及其说明

5 生存数据的风险比例模型

5.1 风险比例模型

5.2 风险比例模型的参数估计

5.3 生存分布的估计

5.4 用SAS建立风险比例模型

6 生存分布的参数分析与过程LIFEREG

6.1 生存分布参数分析的一般问题

6.2 LIFEREG常用的分布综述

6.3 参数估计方法

6.4 参数回归的应用

7 重复测量数据分析方法

7.1 重复测量数据简介

7.2 非风险比例模型

7.3 实例——公司离职雇员数据的多因素分析

7.4 多元事件Frailty模型简介

参考文献