重复测量生存分析尊敬的社区成员，
我想分析使用30台计算机和5种不同的操作系统重复执行8次的过程的持续时间。如附件数据文件中所示。持续时间超过180秒时，该数据也会被检查为失败。
主要目的是检验以下假设：
1）操作系统之间有区别吗？
2）尝试之间有区别吗？
3）操作系统和尝试之间是否存在交互作用？
我主要关心的是递归分析平台是否最合适以及如何正确定义变量。
我试图用重复测量的全因子混合模型来解决这个问题，但是找不到令人满意的变换，可以使我合理地表现残差。 （数据表中的脚本）
感谢任何想法，
罗恩
分析工具其他回复：重复措施生存分析快速反应是我们还没有解决问题的工具：通过审查重复进行测量。
如果我们可以忽略在单独的计算机上重复进行测量的事实，我们仍然可以从数据中获取一些信息。
我做了以下工作：图形生成器报告，用于查看数据；参数生存报告以适合某些模型；一份寿命分配报告，以检查残留物；最后是Graph Builder报告，以并排查看数据和预测值。
首先是数据图：持续时间与空闲时间，按操作系统分组，并按计算机ID覆盖。 因此，通过操作系统，它们都呈现下降趋势。 Windows10计算机确实保持紧密状态。 其他机器或多或少地通过操作系统保持在一起。 IOS和Linox拥有相对正确的审查检查结果。 因此，对您的兴趣的初步答案是Atempt和操作系统很重要。
现在，我尝试拟合模型。 根据我在图中看到的信息，应该进行参数生存分析。 因此设置是查看我是否可以使分布适合于Duration，而分布的location参数是效果的线性函数。 “缩放效果”选项卡为空，因此我不认为分布的缩放参数是某些效果的线性函数，但稍后可以尝试查看它是否重要。
报告说，Weibull最合适，其次是Lognormal。 另外，个人分布报告显示效果显着。
然后，我将Weibull和Lognormal结果的残差保存回表中。 使用生命分布来查看它们。 请注意，将“残差”设置为“生命分布”中的Y角色时，“ Censor”列需要转到“ Censor”角色，如以下屏幕截图所示。
类似地分析对数正态残差，然后比较两个报告。 Weibull似乎确实更合适，因为线性化似乎更适合Weibull。 对数正态具有更明显的扭结。
然后从“参数生存”报告中，从Weibull结果中保存“分位数公式”。 当提示“概率”时，输入0.5作为中位数。 现在数据表有一个额外的列，我将其命名为“ Fitted Weibull Median”。 然后，我堆叠“ Duration”和“ Fitted Weibull Median”，并获得一个新的数据表，因此对于原始表中的每个观察值，我都有一个对应的预测中值。
使用Graph Builder将数据和预测值并排放置，模型看起来很合理。
以上可能不是拟合数据的唯一可行方法，但在这里我不会穷尽它们。 我还附加了更新的数据表和堆叠的数据表。
回复：重复措施生存分析非常感谢你@peng_liu ，您的回答使我向前迈了很多步。
如果这是线性模型，则可以对交互作用项使用事后检验，以明确比较尝试和操作系统的每种组合。在这种情况下，您将如何进行所有这些比较？
因此，我想出的解决方案也忽略了重复的方面，并为每次尝试运行了Cox比例风险模型。 在那里，每个操作系统之间的比较是明确的（但仅限于尝试）
再一次谢谢你。
罗恩
回复：重复措施生存分析哎呀！ 验证失败。 失去了我的长信。 重新开始。 有点忘记我说的话...
威布尔结果表明相互作用是显着的。 查看此屏幕快照中突出显示的位置：
注意，参数生存的结果是给定因素的条件分布。 因此，它与OLS完全不同，它可以通过查看参数估计来完成比较，通常是响应。
对于这里，我建议在Weibull结果中使用“概率”或“分位数”轮廓。 您需要在Weibull结果菜单中将其打开。 以Quantile Profiler为例。请参阅下一个屏幕截图。
我修复了失败概率= 0.1，并更改了OS和Atempt。 因此，对于此特定的屏幕截图，y轴读数表示：对于Windows 10机器，在第8次Atempt时，将有10％的机器以0.412137的时间单位完成操作。 然后更改OS或Atempt，或同时更改两者以比较不同的方案。 固定概率是保持比较清晰的关键。 给定OS和Atempt，第三帧中的曲线（分位数曲线）总是上升。
类似地，对于概率分析器，如下所示。 它显示为：以0.412137时间为单位，在第8次尝试时，10％的Windows 10计算机应完成该操作。 然后通过更改OS和Atempt或两者进行比较。 固定时间也是保持比较清晰的关键。 最后一条曲线（分布曲线）总是上升。
考克斯模型看起来相似。 也可以将其视为具有协变量的拟合分布。 请注意，此处的分布是半参数的。 该模型施加了额外的假设。 这些报告看起来也差不多。 但是有关模型和参数估计的解释却大不相同。 只有在以下情况下我才会走这条路线：（1）参数生存中的分布都不符合数据；（2）假设危险函数是成比例的。 我相信Cox模型会使该数据的情况复杂化。
回复：重复措施生存分析非常感谢你@peng_liu ，
这澄清了很多事情。我将采用这种解决方案。
罗恩
