ScholarGate
Assistent
Regression modelRegression / GLM

Survival Regression

Survival-Regressionsmodelle modellieren die Zeit bis zum Eintreten eines Ereignisses – wie Tod, Ausfall oder Rückfall – als Funktion von Kovariaten. Im Gegensatz zur gewöhnlichen Regression werden zensierte Beobachtungen (Fälle, bei denen das Ereignis am Ende der Nachbeobachtung noch nicht eingetreten war) korrekt berücksichtigt, indem eine parametrische Verteilung für die Überlebenszeit spezifiziert und Kovariateneffekte mittels Maximum-Likelihood geschätzt werden.

Mit StatMind anwendenDemnächstVideoDemnächstDownload slides

Die vollständige Methode lesen

Nur für Mitglieder

Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.

Anmelden

Method map

The neighbourhood of related methods — select a node to explore.

Quellen

  1. Kalbfleisch, J. D., & Prentice, R. L. (2002). The Statistical Analysis of Failure Time Data (2nd ed.). Wiley. ISBN: 978-0471363576
  2. Cox, D. R., & Oakes, D. (1984). Analysis of Survival Data. Chapman and Hall. ISBN: 978-0412244902

So zitieren Sie diese Seite

ScholarGate. (2026, June 3). Parametric Survival Regression. ScholarGate. https://scholargate.app/de/statistics/survival-regression

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

Referenziert von

ScholarGateSurvival Regression (Parametric Survival Regression). Abgerufen am 2026-06-15 von https://scholargate.app/de/statistics/survival-regression · Datensatz: https://doi.org/10.5281/zenodo.20539026