.png){kind=icon}
返回
Turning Hazard Models Inside Out
.png){kind=icon}
OA
AI
DOI：10.1017/pan.2026.10056.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
回归全解析（RIO）描述了一组基于个体案例分解回归系数的相关方法。本文提出了RIO的三个重要扩展：1）我们将RIO推广到任何线性预测量被估计的模型；2）我们引入了一种适应性Bootstrap方法，用于确定案例层面的贡献是否与案例的基线平均贡献存在差异；3）我们描述了RIO与模型诊断的关系，特别是与DFBETA的关系。为说明这些扩展的增值价值，我们将RIO应用于一个已发表的Cox比例风险模型案例，以探索与民主持久性相关因素。
Keyword:
hazard modeling
generalized linear model
model visualization
coefficient decomposition
model diagnostics
