ঘটনা-হার অনুপাতের ব্যাখ্যা ation

Question

সুতরাং, আমি একটি এলোমেলো প্রভাব নেতিবাচক-দ্বিপদী মডেল ফিট করতে চাই। এই জাতীয় মডেলের জন্য স্টাটা ক্ষুদ্রতর সহগ তৈরি করতে পারে। সহায়তা ফাইল অনুসারে এই জাতীয় সহগগুলি ঘটনা-হার অনুপাত হিসাবে ব্যাখ্যা করা যেতে পারে। দুর্ভাগ্যক্রমে আমি স্থানীয় ইংরেজী স্পিকার নই এবং ঘটনা-হারের অনুপাতগুলি কীভাবে বা আমি কীভাবে এটি অনুবাদ করতে পারি তা আমি সত্যিই বুঝতে পারি না।

সুতরাং আমার প্রশ্নটি হল, কীভাবে আমি ঘটনা-হারের অনুপাতের ব্যাখ্যা করতে পারি। উদাহরণ:

যদি মডেলটি আমাকে একটি বৈচিত্র্যের জন্য .7 এর একটি ঘটনা-হারের অনুপাত দেয়। তার মানে কি নির্ভরশীল ভের উপর প্রত্যাশিত পর্যবেক্ষণের সংখ্যা (গণনা)। .7 দ্বারা পরিবর্তিত হয় যদি স্বাধীন ইউনিট পরিবর্তিত হয়?

কেউ সাহায্য করতে পারেন?

Answer 1

আহ, ঘটনা হার অনুপাত, আমার পুরানো বন্ধু।

আপনি ঠিক বলেছেন। আমাদের যদি ০/১ ভেরিয়েবল থাকে তবে ০.7 এর একটি আইআরআর এর অর্থ হল যে এক্স = 1 এর সাথে X = 0 এর মতো ঘটনার ঘটনাগুলি 0.7 গুণ হবে you আপনি যদি ভবিষ্যদ্বাণী করা গণনার প্রকৃত সংখ্যা চান তবে আপনাকে ফিরে যেতে হবে অসম্পূর্ণ মডেল সহগকে ট্র্যাক করুন। তাহলে আপনার প্রত্যাশিত কেসগুলি হ'ল:

counts = exp(B0 + B1*X), যেখানে বি0 হ'ল ইন্টারসেপ্ট শব্দ, বি 1 আপনার ভেরিয়েবলের জন্য সহগ (এই উদাহরণে ~ -0.3365 এর সমান) এবং আপনি যে গোষ্ঠীর জন্য এটি গণনা করতে চেষ্টা করছেন তা X এর মান। আমি মডেল নিজেই ভয়াবহ ভুল কিছু করেন নি তা নিশ্চিত করার জন্য এটি মাঝে মধ্যে একটি দরকারী স্যানিটি পরীক্ষা করে দেখতে পাই।

যদি আপনি বেঁচে থাকার বিশ্লেষণের অন্যান্য ক্ষেত্রগুলি থেকে হ্যাজার্ড অনুপাতের সাথে আরও বেশি পরিচিত হন তবে নোট করুন যে একটি ঘটনা হার অনুপাত হ'ল বিপদ অনুপাত, এটির একটি বিশেষ ধরণের অনুমানের সাথে - বিপত্তিটি আনুপাতিক এবং ধ্রুবক উভয়ই। এটি একইভাবে ব্যাখ্যা করা যেতে পারে।

Comments

আপনার দ্রুত উত্তরের জন্য আপনাকে ধন্যবাদ। মূল গুণফল -৩৩6565 তবে আমি মনে করি এক্সপ (- .৩6565) হিসাবে ঠিক আছে ঠিক মোটামুটি .7 ঠিক আছে ?!

— অ্যাড্রিয়ান

হি - আমার একটি ত্রুটি ধরা ভাল কাজ। প্রতিলিপি: ln (7) = / = ln (0.7)

— ফোমাইট

বিপদ অনুপাতের আনুপাতিকতা কেবলমাত্র আনুপাতিক বিপত্তি মডেলগুলিতে প্রযোজ্য। সমস্ত ইভেন্টের ইতিহাসের মডেলগুলি (প্রায়শই অবাস্তব) আনুপাতিক বিপদগুলি অনুমান করে না।

— অ্যালেক্সিস

Answer 2

হ্যাঁ, এটি সঠিক সম্পর্কে শোনাচ্ছে: সুনির্দিষ্টভাবে বলতে গেলে, স্বতন্ত্র ভেরিয়েবল এক ইউনিটে বৃদ্ধি পেলে প্রত্যাশিত গণনাটি .7 এর গুণক দ্বারা গুণিত হয় ।

শব্দ 'অনুপাতের হার অনুপাত "ধারণা করে যে আপনি একটি মডেলটিকে exposure()(অফসেট) শর্তাদির সাথেও ফিট করছেন, সাধারণত প্রতিটি ইউনিট যে সময়টির জন্য পালন করা হয়েছিল তা নির্দিষ্ট করে, এক্ষেত্রে আপনি প্রতি ইউনিটের জন্য প্রত্যাশিত গণনার পরিবর্তে প্রত্যাশিত গণনার পরিবর্তে, অর্থাৎ তাদেরকে ঘটনার হার বলা মহামারীবিদ্যার পরিভাষা।

Comments

দুর্দান্ত, আপনাকে ধন্যবাদ! তবে আপনার উত্তর আমাকে দ্বিতীয় প্রশ্নের দিকে নিয়ে যায়। আমি এমন একটি মডেল ফিট করছি যাতে প্রতিটি ইউনিট প্রতি মাসে বেশ কয়েকটি ইভেন্ট হয়। সুতরাং এক্সপোজারটি সমস্ত ইউনিটের জন্য একই। এখনও অবধি আমি ধরে নিয়েছি যে স্টাটাতে এক্সপোজার বিকল্পটি সংজ্ঞা দিতে হবে না যদি সমস্ত ইউনিটের জন্য এক্সপোজার একই থাকে। এটা ঠিক আছে নাকি আমি এখানে ভুল করছি?

— অ্যাড্রিয়ান

হ্যাঁ এটা ঠিক.

— onestop