您好，我對使用生存分析來預測某個因素在特定濃度下失敗的概率很感興趣。這是針對消費者對產品的拒絕，建模為三個變量（例如，三種不同成分的濃度）的函數。對於其中一個變量 (Y)，我想知道拒絕概率是它與 X 和 Z 的函數。
注意：與此同時，我也在評估名義邏輯平台，儘管我正在探索生存分析，因為它似乎是一種有趣的方法。
計分
1. 我在一欄中有一個序數分數 1 - 9。這是小組成員的回應。
2. 根據小組成員的回答，我的類別得分為“通過”或“未通過”。如果響應大於 5，則它的分數為“通過”。否則，“失敗”。
3. 我有 1 或 0 的審查員列。我對其進行了編碼，使失敗（例如消費者拒絕）為 0，而通過為 1。我這樣做是因為如果消費者給出了“通過”分數，那麼我認為它沒有失敗的時間，因為它在技術上沒有失敗。
輸入
1. 因子 X：成分 X 的連續數值濃度。我預計失敗的可能性增加隨著濃度的上升。
2. 因子 Y：成分 Y 的連續數值濃度。我預計失敗的可能性減少隨著濃度的上升。
3. Z因子：成分Z的連續數值濃度。我預計失敗的可能性增加隨著濃度的上升。
方法：使用因子 Y（濃度）作為“失效時間”
0.分析-->可靠性和生存-->擬合參數生存
1. 我將其視為 VA 肺癌集，我將“失敗時間”設置為因子 Y，因為我想了解失敗概率如何隨 Y 變化。請注意，我預計失敗概率會隨著 Y 的上升而下降。
2.我把censor作為審查者。
3. 位置效應：因素 X 和因素 Y，因為我對能夠將故障概率建模為因素 X、Y 和 Z 的函數的模型感興趣。
問題
1. 查看分佈分析器，它表明我的失敗概率實際上隨著“時間”（又名因子 Y）的增加而增加。這與我的預期相反。
2. 我還重複了分析，我將因素 X 和 Y 作為因素效應，因素 Z 作為“事件發生時間”。在這種情況下，我確實希望失敗的概率隨著因子 Z 的增加而增加。 .但是，分佈刻畫器仍然預測因子 Y 的增加會導致失敗概率的增加。我認為這是不正確的。
我懷疑我要么錯誤地設置了生存分析，和/或我應該只使用名義邏輯回歸。但是，我知道生存方法已用於查找濃度閾值（例如，如果 X 的濃度大於某個百分比，消費者拒絕產品的概率將 >50%）。例如，本文：“使用生存分析確定消費者對感官缺陷的接受限度” .
資源
1. 我附上了一個示例數據集（JMP 表）來顯示我的輸入。
2. 我附上了一份分析，顯示我將因素 Y 作為事件發生時間的位置。
您在此處使用 0 和 1（對於失敗和通過）設置的內容在生存分析中表示“失敗”和“右截尾”。 但是，您所指的論文卻有所不同。 請閱讀公式（1），它在裡面的段落，也是它上面的段落。
你可能想參考這篇論文使用命中-未命中數據進行無損評估的分位數 POD了解為什麼會這樣。
