অবিচ্ছিন্ন ডেটা সহ জিএলএম শূন্যে পাইলড

Question

টিবি, এইডস ইত্যাদির মতো বিপর্যয়কর অসুস্থতাগুলি হাসপাতালে ভর্তির ব্যয়কে কতটা প্রভাবিত করে তা অনুমান করার জন্য আমি একটি মডেল চালানোর চেষ্টা করছি। আমার নির্ভরশীল পরিবর্তনশীল হিসাবে "প্রতি হাসপাতালে ভর্তি ব্যয়" এবং স্বতন্ত্র ভেরিয়েবল হিসাবে বিভিন্ন পৃথক চিহ্নিতকারী রয়েছে যার প্রায় সবগুলিই জেন্ডারের মতো ডামি, পরিবারের অবস্থানের প্রধান, দারিদ্র্যের স্থিতি এবং অবশ্যই আপনার অসুস্থতা আছে কিনা তার ডামি রয়েছে (বয়স আরও বেশি) এবং বয়স স্কোয়ার) এবং ইন্টারঅ্যাকশন শর্তাদির একটি গোছা।

যেমনটি আশা করা যায়, সেখানে একটি উল্লেখযোগ্য পরিমাণ রয়েছে - এবং আমার অর্থ প্রচুর পরিমাণে - শূন্যের পাইলড (যেমন, 12 মাসের রেফারেন্স পিরিয়ডে হাসপাতালে ভর্তির জন্য কোনও ব্যয় নয়)। এই জাতীয় ডেটা ব্যবহার করার সর্বোত্তম উপায় কী হবে?

এখন পর্যন্ত আমি ln(1+cost)সমস্ত পর্যবেক্ষণকে অন্তর্ভুক্ত করতে এবং তারপরে একটি রৈখিক মডেল চালানোর জন্য ব্যয়টিকে রূপান্তর করার সিদ্ধান্ত নিয়েছি । আমি কি সঠিক পথে রয়েছি?

Comments

আপনার প্রতিক্রিয়া আসলে একটি গণনা? আপনি যে শব্দটির সন্ধান করছেন তা হ'ল শূন্য-মুদ্রাস্ফীতি ।

— গুং - মনিকা পুনরায়

এক সাথে শূন্য-স্ফীত অবিরত বিতরণও থাকতে পারে; উদাহরণস্বরূপ শূন্য-স্ফীত গামা মডেলগুলি রয়েছে।

— গ্লেন_বি -রিনস্টেট মনিকা

@ গ্লেন_বি, আমার মনে এটাই ছিল। যদিও আমি একটিও করি নি। ওআরআর-এর ফ্র্যাঙ্ক হ্যারেলের পরামর্শটিও সমস্যাটিকে ঘিরে কাজ করার একটি চতুর উপায়।

— গুং - মনিকা পুনরায়

Answer 1

সাইটটিতে অন্য কোথাও আলোচিত হিসাবে, অर्डিনাল রিগ্রেশন (যেমন, আনুপাতিক প্রতিকূলতা, আনুপাতিক বিপত্তি, প্রবিট) একটি নমনীয় এবং শক্তিশালী পদ্ধতির is চরম ক্লাম্পিং সহ বিতরণে বিযুক্তির অনুমতি রয়েছে। একক জন্য বিতরণ সম্পর্কে কিছুই ধারণা করা হয় না । জিরো স্ফীত মডেলগুলি আধা-প্যারামেট্রিক মডেলের চেয়ে অনেক বেশি অনুমান করে। একটি পূর্ণ কেস স্টাডি জন্য এ আমার কোর্স বিলিপত্র অধ্যায় 15 দেখতে http://biostat.mc.vanderbilt.edu/CourseBios330 ।Y $Y$$Y$$X$

অবিচ্ছিন্ন জন্য অর্ডিনাল মডেলের একটি দুর্দান্ত সুবিধা হ'ল বিশ্লেষণের আগে আপনার কীভাবে রূপান্তর করতে হবে তা জানা দরকার নেই ।$Y$$Y$

Answer 2

0 এ ক্লাম্পিংকে "জিরো মুদ্রাস্ফীতি" বলা হয়। এখন পর্যন্ত সর্বাধিক সাধারণ কেসগুলি গণনা মডেল, শূন্য-স্ফীত পোইসন এবং শূন্য-স্ফীত নেতিবাচক দ্বিপদী প্রতিরোধের দিকে পরিচালিত করে। তবে সত্যিকারের ইতিবাচক মানগুলির সাথে শূন্য মূল্যবৃদ্ধির মডেল করার উপায় রয়েছে (যেমন শূন্য-স্ফীত গামা মডেল)।

দেখুন , ন্যূনতম এবং Agresti, 2002 শূন্য এ clumping অ নেতিবাচক তথ্য মডেলিং এই পদ্ধতি একটি পর্যালোচনা জন্য।

Answer 3

শূন্য-স্ফীত পোইসন মডেলটি ব্যবহারের পরামর্শটি একটি আকর্ষণীয় শুরু। অসুস্থতা সম্পর্কিত যে কোনও ব্যয় হওয়ার সম্ভাবনাটি যৌথভাবে মডেলিংয়ের কিছু উপকারিতা রয়েছে এবং সেইসাথে সেই ব্যয়গুলি কী কী হতে পারে তা প্রক্রিয়াটি আপনার কোনও অসুস্থতা হওয়া উচিত। এটির সীমাবদ্ধতা রয়েছে যে ফলাফলের আকৃতি কী তা নিয়ে কিছু কঠোর কাঠামো চাপিয়ে দেয়, শর্তসাপেক্ষে যে কোনও ব্যয় আদায় করার পরে (যেমন একটি নির্দিষ্ট গড়-বৈচিত্র্য সম্পর্ক এবং একটি ইতিবাচক পূর্ণসংখ্যার ফলাফল ... যার পরবর্তীটি কিছুটির জন্য শিথিল করা যায়) মডেলিং উদ্দেশ্যে)।

আপনি যদি অসুস্থতা সম্পর্কিত ভর্তি এবং অসুস্থতা সম্পর্কিত খরচের শর্তসাপেক্ষে স্বতন্ত্রভাবে ভর্তির প্রক্রিয়াগুলি চিকিত্সা করার ক্ষেত্রে ঠিক থাকেন তবে আপনি y / n এর বাইনারি প্রক্রিয়াটিকে প্রথম মডেলিং করে এটি বাড়িয়ে দিতে পারেন আপনি কি অসুস্থতা সম্পর্কিত কোনও ব্যয় অর্জন করেছিলেন? এটি একটি সহজ লজিস্টিক রিগ্রেশন মডেল এবং আপনাকে ঝুঁকির কারণগুলি এবং প্রসারকে মূল্যায়ন করতে দেয়। এটি দেওয়া, আপনি কোনও ব্যয় উপার্জনকারী ব্যক্তিদের সাবসেটের জন্য বিশ্লেষণকে সীমাবদ্ধ করতে পারেন এবং মডেলিং টেকিনকুয়েস্টগুলি ব্যবহার করে প্রকৃত ব্যয় প্রক্রিয়াটি মডেল করতে পারেন। পোইসন ভাল, কোয়েসি-পয়সন আরও ভাল হবে (উপাত্তে সমাহারিত ছোট ছোট unmeasured উত্স এবং মডেল অনুমান থেকে প্রস্থান) জন্য অ্যাকাউন্টিং)। তবে অবিচ্ছিন্ন ব্যয় প্রক্রিয়াটির মডেলিংয়ের সাথে আকাশ সীমাবদ্ধ।

প্রক্রিয়াটিতে আপনার যদি পরামিতিগুলির পারস্পরিক সম্পর্ককে মডেল করার প্রয়োজন হয় তবে আপনি বুটস্ট্র্যাপ এসই অনুমান ব্যবহার করতে পারেন। আমি কেন এটি অবৈধ হবে তার কোনও কারণ দেখছি না, তবে অন্যদের ইনপুট শুনতে যদি আগ্রহী হয় তবে এটি ভুল হতে পারে। সাধারণভাবে, আমি মনে করি এগুলি দুটি পৃথক প্রশ্ন এবং বৈধ অনুমানের জন্য যেমন বিবেচনা করা উচিত।