在生存分析中，采用人员时间广义线性回归混合模型（Person-time Generalized Linear Regression Mixed Models）

《Statistics》：Person-time generalized linear regression mixed models in survival analysis

本研究提出离散时间生存分析框架下的广义线性混合模型，应用于意大利学术职业发展，揭示性别不平等及时间动态效应，较传统模型更精准捕捉异质性。

　　

摘要

本研究在离散时间生存分析框架内提出了一种方法论贡献，即引入了基于人-时间的广义线性混合模型。该方法通过使用具有随机效应的逻辑模型，在意大利学术职业发展背景下进行了应用，而性别差异在该领域仍是一个紧迫的问题。该模型采用人年（person-year）方法来研究学术晋升的时间节点和进程。数据的长序列结构能够捕捉时间动态以及关键（可能随时间变化的）预测因素的影响。模型中包含随机效应，以解释个体间的未观测异质性。这种方法旨在捕捉个体差异和未观测的异质性，这对于理解职业发展动态至关重要。与传统Cox模型及不包含随机效应的逻辑模型相比，我们的方法能更准确地反映职业发展的变化过程，并凸显出持续存在的性别不平等现象。此外，该模型的性能还通过现有研究的第二个数据集以及模拟数据进行了验证。这种识别异质性的能力也为未来对未观测因素的研究提供了可能性。这一方法论框架为研究不同领域的复杂事件发生时间数据提供了一个可灵活应用的工具，从而提高了结果的精确度和可解释性。