4. 截尾数据详解

在寿命数据分析中，截尾（Truncation）与删失（Censoring）是两种极易混淆但本质不同的数据不完整机制。截尾意味着数据在某个阈值之外完全不可观测，而删失则意味着事件发生时间未知，但个体仍然存在于样本中。本章将系统解析左截尾、右截尾的定义、数学表示，并通过对比表格与SVG图厘清截尾与删失的核心区别。

4.1 截尾的基本概念

截尾是指由于抽样设计或观测条件的限制，只有当个体的寿命（事件时间）落在某个特定区间内时，该个体才能被纳入样本。落在区间外的个体完全不被观测到，样本中不存在任何关于它们的信息。

4.2 左截尾（Left Truncation）

左截尾发生在个体在进入研究之前已经存活了一段时间，且只有那些在某个起始时间点之后仍然存活的个体才能被纳入研究。常见的例子是流行病学中的延迟进入（Delayed Entry）或患病率研究（Prevalent Cohort Study）。

• 定义：只有当事件时间 \( T > L \) 时，个体才能被观测到。\( L \) 为左截尾阈值。
• 数学表示：观测到的数据为 \( (T, L) \)，其中 \( T > L \)。若 \( T \leq L \)，个体完全不可见。
• 典型场景：研究某种慢性病的生存期。只纳入在研究开始时已经确诊且存活的患者，那些在确诊后短期内死亡（早于研究开始时间）的患者不会被纳入。

4.3 右截尾（Right Truncation）

右截尾发生在只有那些在某个截止时间点之前已经发生事件的个体才能被观测到。如果事件发生时间晚于截止时间，该个体完全不被纳入样本。

• 定义：只有当事件时间 \( T < R \) 时，个体才能被观测到。\( R \) 为右截尾阈值。
• 数学表示：观测到的数据为 \( (T, R) \)，其中 \( T < R \)。若 \( T \geq R \)，个体完全不可见。
• 典型场景：研究某种罕见病的潜伏期。只收集在特定时间段内确诊的病例，那些潜伏期极长、在截止日期之后才发病的病例不会被纳入。

4.4 截尾与删失的区别与联系

下表从多个维度对比截尾与删失，帮助建立清晰的概念边界：

4.5 截尾与删失的图形对比

下面的SVG图直观展示了左截尾、右截尾与左删失、右删失在数据观测上的本质差异：

4.6 截尾数据的似然函数

处理截尾数据时，极大似然估计需要使用条件概率密度，因为观测到的数据是在“个体存活到观测窗口内”这一条件下的结果。

左截尾数据的似然

对于左截尾数据，观测到个体在时间 \( t \) 发生事件的概率为：

P(T = t | T > L) = f(t) / S(L)

其中 \( f(t) \) 是概率密度函数，\( S(L) = P(T > L) \) 是生存函数。整个样本的似然函数为：

L(θ) = ∏_{i=1}^{n} [ f(t_i) / S(L_i) ]

右截尾数据的似然

对于右截尾数据，观测到个体在时间 \( t \) 发生事件的概率为：

P(T = t | T < R) = f(t) / F(R)

其中 \( F(R) = P(T < R) \) 是累积分布函数。整个样本的似然函数为：

L(θ) = ∏_{i=1}^{n} [ f(t_i) / F(R_i) ]

4.7 截尾与删失的联系

尽管截尾和删失在概念上不同，但在实际数据分析中，它们常常同时出现。例如，在一个长期随访研究中：

• 左截尾：只有那些在研究开始时仍然存活的个体才能被纳入（排除了早期死亡者）。
• 右删失：在研究结束时仍然存活的个体，其确切死亡时间未知，但知道他们存活到了研究结束。

这种组合被称为左截尾右删失数据（Left-Truncated Right-Censored Data, LTRC），在流行病学和可靠性工程中非常常见。处理LTRC数据时，似然函数需要同时考虑截尾和删失的贡献：

L(θ) = ∏_{i=1}^{n} [ f(t_i) / S(L_i) ]^{δ_i} × [ S(C_i) / S(L_i) ]^{1-δ_i}

其中 \( δ_i \) 为事件指示变量（1=事件发生，0=删失），\( C_i \) 为删失时间。

4.8 常见误区与避坑指南