1) 根據你對自己資料的描述，自變數為一個連續變數 y ，所以logistic迴歸是肯定不合適的。 如果你的因變數是一組與時間無關的連續變數和離散變數(X1, X2, X3,……)，線上型模型的假設下使用最原始的線性迴歸模型就可以解決問題。2）Cox模型的自變數也只有一個，它是一個與時間有關的變數 y(t)，自變數同樣是一組與時間無關的連續變數和離散變數(X1, X2, X3,……)，Cox模型的中文叫做比例風險模型，其假設 y(t)=f(t)exp(b1*X1+b2*X2+……)及因變數y(t)由一個與時間有關的風險函式f(t) 和 一個與自變數有關的指數函式構成其有一個基本假設是風險函式f(t) 只與時間有關，與個體觀察的自變數無關，而因變數y(t)與f(t)間成固有比例關係，該比例關係與個體觀測的自變數有關。Cox模型允許自變數存在右刪失情況，即部分觀察只知道因變數大於某個值，但不知道因變數的確切數值，隻影響模型估計，但是你最重要的還是先根據實際情況選擇合適的模型。3）如果你的自變數和因變數均與時間有關，即y(t), X(t)，那麼建議使用gml即廣義線型模型。
1) 根據你對自己資料的描述，自變數為一個連續變數 y ，所以logistic迴歸是肯定不合適的。 如果你的因變數是一組與時間無關的連續變數和離散變數(X1, X2, X3,……)，線上型模型的假設下使用最原始的線性迴歸模型就可以解決問題。2）Cox模型的自變數也只有一個，它是一個與時間有關的變數 y(t)，自變數同樣是一組與時間無關的連續變數和離散變數(X1, X2, X3,……)，Cox模型的中文叫做比例風險模型，其假設 y(t)=f(t)exp(b1*X1+b2*X2+……)及因變數y(t)由一個與時間有關的風險函式f(t) 和 一個與自變數有關的指數函式構成其有一個基本假設是風險函式f(t) 只與時間有關，與個體觀察的自變數無關，而因變數y(t)與f(t)間成固有比例關係，該比例關係與個體觀測的自變數有關。Cox模型允許自變數存在右刪失情況，即部分觀察只知道因變數大於某個值，但不知道因變數的確切數值，隻影響模型估計，但是你最重要的還是先根據實際情況選擇合適的模型。3）如果你的自變數和因變數均與時間有關，即y(t), X(t)，那麼建議使用gml即廣義線型模型。