Si los intervalos con los que divide las cosas no se solapan (por ejemplo, todas las variables de respuesta terminan en intervalos disjuntos, como [0,2,5), [3,5,4,5), [4,5,5,5), etc.), le sugeriría que ignorar el aspecto de intervalo censurado de sus datos, y simplemente tratarlos como ordinales/discretos. Y yo soy partidario de utilizar métodos censurados por intervalos.
La razón es que cuando se utilizan estimadores de datos censurados por intervalos no paramétricos y semiparamétricos, si los intervalos no se solapan, los resultados son exactamente equivalentes a los resultados si se hubieran tratado como resultados discretos ordenados (es decir, 1 = [0,2,5), 2 = [2,5,3,5), etc.). Por lo tanto, no es necesario un programa informático especial; puede utilizar fácilmente R 's ordinal o incluso coxme para modelos de efectos mixtos.
Si por alguna razón que actualmente no tiene sentido para mí, sus intervalos de respuesta se superponen (es decir, por alguna razón usted cree que el tiempo exacto del sujeto 1 estaba en el intervalo [6-8), pero también cree que el tiempo exacto del sujeto 2 era [7-9)) O si está realmente comprometido con el uso de modelos totalmente paramétricos, puede ajustar modelos de regresión censurados por intervalo (los modelos AFT totalmente paramétricos se pueden encontrar en la sección survival se pueden encontrar modelos no paramétricos, semiparamétricos y totalmente paramétricos de probabilidades proporcionales y riesgos proporcionales en mi propio paquete icenReg paquete).
Pero por el momento no conozco ningún programa informático para modelos de efectos mixtos para datos censurados por intervalos (que conste que no pretendo estar familiarizado con lo que SAS o Stata dispone) . Si usted realmente quería un modelo paramétrico de efectos mixtos, podría codificar a mano su modelo en algo como Stan o RJags (tengo entendido que ambos tienen una sintaxis que permite la censura por intervalos). Pero yo sugeriría encarecidamente el uso de la ordinal o coxme paquetes.
