新生企业在上市最初几年的死亡风险

可以观察到，在所有35个一年出生队列中，Burr-type XII（BUR）分布对数据的拟合最好，并且这两种方法都适用，并且在31个出生队列中，L omax和Fisk分布没有经验支持（通过使用生命表法），在33个、31个出生队列中，分别（通过使用Peto-Turnbull方法）。图6对应于所考虑的一组非嵌套三参数模型，该模型由以下四个模型组成：广义DGAMMA（GGD）、Burr类型XII（BUR）、广义幂律（GPL）和Dagum（DAG）分布。结合表4，可以看出，在所有考虑的35个一年出生队列中，似乎没有一个模型最适合数据：GGD模型在15个出生队列（其中14个单独）中最适合生命表病例（左侧），在19个队列（其中18个单独）中最适合PetoTurnbull病例（右侧面板）。DAG模型在生命表病例（左图）的18个队列（其中15个单独）和Peto Turnbullcase（右图）的16个队列（其中14个单独）中的数据最好。BUR模型在4个队列（其中2个单独）和2个队列（其中1个单独）中的数据最好，分别为lifetablecase（左图）和Peto Turnbullcase（右图）。

这种模式得到的支持相对较少（2） ≤ 20） 9个队列（可存活病例）和7个队列（Peto Turnbull病例）。GPL模型在3个队列（其中1个单独）中最适合生命表案例（左图）中的数据，在12个队列（生命表）和10个队列（Peto-Turnbull）中的支持度相对较小。尽管广义伽马分布和达格姆分布在几乎所有队列中都最适合数据，但BUR和GPL模型在少数队列中最适合，不能在其他一些组中忽略。总之，所考虑的九个参数化模型中，似乎没有一个比其他模型更适合数据。然而，广义伽玛模型和达格姆模型加在一起似乎是最好的模型，基于这两个模型以及Burr typeXII模型和广义幂律模型，可以更好地描述新机构在生命最初几年的生存分析。未来研究的一条主线可能是通过遵循节俭原则，寻找一种更适合所有35个出生队列的模型。352 231353230GGDWEIGAMWEIGAMEXPAMWEAIC模型rankingLife-表S（t）0102030的NPMLE ≤ 2 2 < ≤ 20 >20 = 艾克-AICminFrequency352 243353029GGDWEIGAMWEIGAMEXPAMWEAIC模型rankingPeto-S（t）0102030的特恩布尔NPMLE ≤ 2 2 < ≤ 20 >20 = 艾克-图4:AIC模型排名。每个模型认为数据最佳的次数( = 艾克-AICmin<=2），其支持率相对较低（2< <= 20） 或者没有经验支持( > 20） ，在1977年至2016年期间（共35个一年出生队列）。