কক্স আনুপাতিক বিপত্তি মডেল এবং এলোমেলোভাবে নির্বাচিত নমুনা


9

কক্স আনুপাতিক ঝুঁকি মডেলটিতে এলোমেলোভাবে নির্বাচিত নমুনা (হেকম্যানের সংশোধনের মতো কিছু) এর ফলে পক্ষপাত সংশোধন করার কোনও পদ্ধতি আছে কি?

পটভূমি :
আসুন পরিস্থিতিটিকে নিম্নলিখিত হিসাবে দেখায়:
- প্রথম দুই বছরের মধ্যে সমস্ত ক্লায়েন্ট গ্রহণ করা হয়।
- এই দু'বছরের পরে একটি কক্স পিএইচ মডেল তৈরি হচ্ছে। মডেল ভবিষ্যদ্বাণী করে ক্লায়েন্টরা কতক্ষণ আমাদের পরিষেবা ব্যবহার করবে।
- এখন থেকে কোম্পানির নীতিমালার কারণে কেবলমাত্র ৩.৫ মাসের বেশি 3 মাস বেঁচে থাকার সম্ভাবনা রয়েছে এমন ক্লায়েন্টদের গ্রহণ করা হয়, অন্যরা প্রত্যাখ্যানিত হয়।
- আরও দুই বছর পরে একটি নতুন মডেল তৈরি করা দরকার to সমস্যাটি হ'ল আমাদের কেবলমাত্র গৃহীত ক্লায়েন্টদের জন্য লক্ষ্য রয়েছে এবং কেবলমাত্র এই ক্লায়েন্টগুলি ব্যবহার করা কিছু গুরুতর পক্ষপাতিত্বের কারণ হতে পারে।


1
এই বিশ্লেষণের মূল বক্তব্য কী? আপনি কিছু স্মুথিং পদ্ধতি বা প্যারাম্যাট্রিক মডেলিং অন্তর্ভুক্ত না করে কোনও কক্স পিএইচ মডেল সময়-টু-ব্যর্থতার স্পষ্টভাবে পূর্বাভাস দেয় না। এই মডেলটিতে কী স্তরবিন্যাস / সমন্বয় ভেরিয়েবলগুলি রয়েছে?
অ্যাডমো

উত্তর:


4

আধা-প্যারামিটারিক কক্স মডেলের সাথে প্যারামিমেটিক পদ্ধতির গণনার সমস্যাটি হ'ল এই নির্দিষ্ট সমস্যাটি আসলে একটি অনুপস্থিত ডেটার সাথে সম্পর্কিত। তবুও লেখক বর্ণনা করলেন না যে তিনি কীভাবে একটি কক্স মডেল থেকে নিখুঁত ঝুঁকি পূর্বাভাস অর্জন করছেন, আমাদের দেওয়া যেমন ঝুঁকি পূর্বাভাস মডেল পরামিতি (এবং বেসলাইন হ্যাজার্ড ফাংশনের অনুমান) এর উপর ভিত্তি করে রয়েছে, তথ্যের দ্বিতীয় ধাপে অন্তর্ভুক্তির সম্ভাবনা সংগ্রহটি মূল ঝুঁকির পূর্বাভাসের উপর নির্ভর করে, সুতরাং নিখোঁজ হওয়া পর্যবেক্ষিত ভেরিয়েবলের উপর নির্ভর করে, অর্থাৎ এলোমেলো ডাটাতে অনুপস্থিত।
অ্যাডামো

2

এর সহজ উত্তর হ'ল ভার। এটি হ'ল, আপনি স্বীকৃত জনগোষ্ঠীতে "গৃহীত" গ্রুপের গোষ্ঠীগুলিকে মানক করার জন্য ওজন ব্যবহার করতে পারেন। প্রথম এবং দ্বিতীয় 2 বছরের উভয় পর্যায় ব্যবহার করে পুলের বিশ্লেষণে এ জাতীয় ওজন ব্যবহার করে যে সমস্যাটি দেখা দেয় তা হ'ল আনুমানিক জনসংখ্যার ওজন এবং পরামিতি এখন নির্ভরশীল। সিউডোলেকেন্সি পদ্ধতির সাধারণত ব্যবহৃত হয় (এই ক্ষেত্রে এটি এক ধরণের ছদ্ম-আংশিক সম্ভাবনা হবে) যেখানে আপনি নমুনা ওজন এবং পরামিতি অনুমানের মধ্যে নির্ভরতা উপেক্ষা করেন। যাইহোক, অনেক ব্যবহারিক পরিস্থিতিতে (এবং এটি কোনও আলাদা নয়), এই নির্ভরতার জন্য অ্যাকাউন্টিং করা প্রয়োজনীয়। ঝুঁকি অনুপাতের একটি দক্ষ অনুমানকারী তৈরি করার বিষয়টি একটি কঠিন এবং আমি যতদূর জানি ওপেন শেষ হয়েছে।

দ্বি-পর্বের স্তরিত নমুনাগুলি থেকে মডেল পরামিতিগুলির হরভিটজ-থম্পসন অনুমানের উন্নতি: এপিডেমিওলজিতে অ্যাপ্লিকেশন

নিবন্ধটিতে জরিপ পদ্ধতিগুলি নিয়ে আলোচনা করা হয়েছে, সাধারণত লজিস্টিক রিগ্রেশন প্রয়োগ করা হয়, তবে আপনি বেঁচে থাকা ডেটাও ওজন করতে পারেন। কিছু উল্লেখযোগ্য বিষয় যা উল্লেখ করার জন্য আপনি অবহেলা করেছেন তা হ'ল আপনি কী ভবিষ্যদ্বাণী তৈরি করতে আগ্রহী যা পুরো জনসংখ্যার ক্ষেত্রে প্রযোজ্য, বা 2-বছরের প্রাক্কলনের উপর ভিত্তি করে "যোগ্যতা" জনসংখ্যার, বা ফলাফলের ভিত্তিতে "যোগ্যতা অর্জনকারী" জনসংখ্যার ক্ষেত্রে? মডেল. কক্স মডেল থেকে এমন "ভবিষ্যদ্বাণী" মডেলটি কীভাবে তৈরি করা হয় আপনি ঠিক তাও উল্লেখ করেননি, কারণ কক্স মডেল থেকে লাগানো মানগুলি ঝুঁকি হিসাবে ব্যাখ্যা করা যায় না। আমি মনে করি আপনি ঝুঁকি অনুপাতের অনুমান করেন, তারপরে বেসলাইন বিপজ্জনক ক্রিয়াকলাপটির একটি ধীরে ধীরে অনুমান করুন।

আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.