时间序列分析概念

通过分析变量时间维度变化的趋势性变化、季节性波动、周期性波动、不规则波动等特征，建立时间序列模型，以对未来一段时间的变量变化进行预测。
方法：趋势分解法（另外还有ARIMA法）
a.时间序列的效应分解

长期趋势变动

周期性/季节性变化

随机变化

b.时间序列趋势的组合方式

加法模型：X(t) = T(t) + S(t) + I(t)，其中T代表趋势效应 S代表季节效应 I代表随机效应

乘法模型：X(t) = T(t) × S(t) × I(t)，周期震荡的幅度随着趋势性变化而变化

c.分析建模步骤（来源于《统计学》第六版 贾俊平）

第一步：确定时间序列所包含的成分，也就是确定时间序列的类型。
第二步：找到适合此类时间序列的预测方法。
第三步：对可能的预测方法进行评估，以确定最佳预测方案。
第四步：利用最佳预测方案进行预测。

生存分析概念

生存分析主要用于对涉及一定时间发生和持续长度的时间数据的分析，目前在医学、社会科学、金融学、人口统计、保险等应用广泛。

a.描述生存过程:估计不同时间的总体生存率，计算中位生存期，绘制生存函数曲线。(Kaplan-Meier（K-M）法、寿命表法)
b.比较不同处理组的生存率:了解哪种治疗方案较优。(log-rank检验)
c.影响因素分析:研究某个或某些因素对生存率或生存时间的影响作用。(cox比例风险回归模型)
d.预测:(建立cox回归预测模型)