重複測量生存分析尊敬的社區成員，
我想分析使用30台計算機和5種不同的操作系統重複執行8次的過程的持續時間。如附件數據文件中所示。持續時間超過180秒時，該數據也會被檢查為失敗。
主要目的是檢驗以下假設：
1）操作系統之間有區別嗎？
2）嘗試之間有區別嗎？
3）操作系統和嘗試之間是否存在交互作用？
我主要關心的是遞歸分析平台是否最合適以及如何正確定義變量。
我試圖用重複測量的全因子混合模型來解決這個問題，但是找不到令人滿意的變換，可以使我合理地表現殘差。 （數據表中的腳本）
感謝任何想法，
羅恩
分析工具其他回复：重複措施生存分析快速反應是我們還沒有解決問題的工具：通過審查重複進行測量。
如果我們可以忽略在單獨的計算機上重複進行測量的事實，我們仍然可以從數據中獲取一些信息。
我做了以下工作：圖形生成器報告，用於查看數據；參數生存報告以適合某些模型；一份壽命分配報告，以檢查殘留物；最後是Graph Builder報告，以並排查看數據和預測值。
首先是數據圖：持續時間與空閒時間，按操作系統分組，並按計算機ID覆蓋。 因此，通過操作系統，它們都呈現下降趨勢。 Windows10計算機確實保持緊密狀態。 其他機器或多或少地通過操作系統保持在一起。 IOS和Linox擁有相對正確的審查檢查結果。 因此，對您的興趣的初步答案是Atempt和操作系統很重要。
現在，我嘗試擬合模型。 根據我在圖中看到的信息，應該進行參數生存分析。 因此設置是查看我是否可以使分佈適合於Duration，而分佈的location參數是效果的線性函數。 “縮放效果”選項卡為空，因此我不認為分佈的縮放參數是某些效果的線性函數，但稍後可以嘗試查看它是否重要。
報告說，Weibull最合適，其次是Lognormal。 另外，個人分佈報告顯示效果顯著。
然後，我將Weibull和Lognormal結果的殘差保存回表中。 使用生命分佈來查看它們。 請注意，將“殘差”設置為“生命分佈”中的Y角色時，“ Censor”列需要轉到“ Censor”角色，如以下屏幕截圖所示。
類似地分析對數正態殘差，然後比較兩個報告。 Weibull似乎確實更合適，因為線性化似乎更適合Weibull。 對數正態具有更明顯的扭結。
然後從“參數生存”報告中，從Weibull結果中保存“分位數公式”。 當提示“概率”時，輸入0.5作為中位數。 現在數據表有一個額外的列，我將其命名為“ Fitted Weibull Median”。 然後，我堆疊“ Duration”和“ Fitted Weibull Median”，並獲得一個新的數據表，因此對於原始表中的每個觀察值，我都有一個對應的預測中值。
使用Graph Builder將數據和預測值並排放置，模型看起來很合理。
以上可能不是擬合數據的唯一可行方法，但在這裡我不會窮盡它們。 我還附加了更新的數據表和堆疊的數據表。
回复：重複措施生存分析非常感謝你@peng_liu ，您的回答使我向前邁了很多步。
如果這是線性模型，則可以對交互作用項使用事後檢驗，以明確比較嘗試和操作系統的每種組合。在這種情況下，您將如何進行所有這些比較？
因此，我想出的解決方案也忽略了重複的方面，並為每次嘗試運行了Cox比例風險模型。 在那裡，每個操作系統之間的比較是明確的（但僅限於嘗試）
再一次謝謝你。
羅恩
回复：重複措施生存分析哎呀！ 驗證失敗。 失去了我的長信。 重新開始。 有點忘記我說的話...
威布爾結果表明相互作用是顯著的。 查看此屏幕快照中突出顯示的位置：
注意，參數生存的結果是給定因素的條件分佈。 因此，它與OLS完全不同，它可以通過查看參數估計來完成比較，通常是響應。
對於這裡，我建議在Weibull結果中使用“概率”或“分位數”輪廓。 您需要在Weibull結果菜單中將其打開。 以Quantile Profiler為例。請參閱下一個屏幕截圖。
我修復了失敗概率= 0.1，並更改了OS和Atempt。 因此，對於此特定的屏幕截圖，y軸讀數表示：對於Windows 10機器，在第8次Atempt時，將有10％的機器以0.412137的時間單位完成操作。 然後更改OS或Atempt，或同時更改兩者以比較不同的方案。 固定概率是保持比較清晰的關鍵。 給定OS和Atempt，第三幀中的曲線（分位數曲線）總是上升。
類似地，對於概率分析器，如下所示。 它顯示為：以0.412137時間為單位，在第8次嘗試時，10％的Windows 10計算機應完成該操作。 然後通過更改OS和Atempt或兩者進行比較。 固定時間也是保持比較清晰的關鍵。 最後一條曲線（分佈曲線）總是上升。
考克斯模型看起來相似。 也可以將其視為具有協變量的擬合分佈。 請注意，此處的分佈是半參數的。 該模型施加了額外的假設。 這些報告看起來也差不多。 但是有關模型和參數估計的解釋卻大不相同。 只有在以下情況下我才會走這條路線：（1）參數生存中的分佈都不符合數據；（2）假設危險函數是成比例的。 我相信Cox模型會使該數據的情況復雜化。
回复：重複措施生存分析非常感謝你@peng_liu ，
這澄清了很多事情。我將採用這種解決方案。
羅恩
