poisson বনাম লজিস্টিক রিগ্রেশন

Question

আমার বিভিন্ন দৈর্ঘ্যের ফলোআপ সহ রোগী রয়েছে। এখনও পর্যন্ত আমি সময়ের দিকটিকে উপেক্ষা করছি এবং কেবল একটি বাইনারি ফলাফল-রোগ / কোনও রোগ নয় model আমি এই স্টাডিতে সাধারণত লজিস্টিক রিগ্রেশন করি, তবে আমার আরেকটি কলেজ জিজ্ঞাসা করেছিল যে পইসন রিগ্রেশন ঠিক ততটা উপযুক্ত কিনা? আমি এটিকে পোয়েসন হিসাবে দেখি না এবং এই সেটিংয়ে পোয়েসন করার সুবিধা এবং অসুবিধাগুলি কীভাবে লজিস্টিক রিগ্রেশনকে তুলনা করা যায় তা নিয়ে অনিশ্চিত ছিল না। বাইনারি ফলাফলগুলির জন্য আপেক্ষিক ঝুঁকি অনুমান করার জন্য আমি পইসন রিগ্রেশন পড়ি এবং এই পরিস্থিতিতে পোয়েসন রিগ্রেশনটির যোগ্যতা সম্পর্কে আমি এখনও অনিশ্চিত।

Answer 1

এই সমস্যার একটি সমাধান অনুমান করা যে ইভেন্টের সংখ্যা (শিখা-আপগুলি) সময়ের সাথে সমানুপাতিক। যদি আপনি স্বতন্ত্র স্তরের এক্সপোজার (আপনার ক্ষেত্রে অনুসরণের দৈর্ঘ্য) দ্বারা চিহ্নিত করে থাকেন তবে E [ y | এক্স $t$এখানে একটি ফলোআপ যা দ্বিগুণ হয়ে থাকে প্রত্যাশিত গণনা দ্বিগুণ করে, অন্য সব সমান। এটি বীজগণিতভাবে এমন একটি মডেলের সমতুল্য হতে পারে যেখানেE[y| এক্স]=মেপুঃ{এক্স'β+ +লগটি},যার উপর সহগ সঙ্গে মাত্র পইসন মডেললগটিকরতে বাধ্য1। এছাড়াও আপনি বাধ্যতা শক্তিহানিকর এবং হাইপোথিসিস পরীক্ষার দ্বারা আনুপাতিকতা ধৃষ্টতা পরীক্ষা করতে পারেβঠণ$\frac{E[y \vert x]}{t}=\exp\{x'\beta\}.$$E[y \vert x]=\exp\{x'\beta+\log{t}\},$$\log t$$1$।$\beta_{log(t)}=1$

তবে, আপনার ইভেন্টগুলি বাইনারি হওয়ার কারণে ইভেন্টের সংখ্যা পর্যবেক্ষণ করার মতো এটি শোনা যাচ্ছে না (বা এটি সম্ভবত আপনার রোগের দ্বারা অর্থপূর্ণ নয়)। এটি আমাকে লগারিদমিক অফসেট সহ একটি লজিস্টিক মডেল বিশ্বাস করতে পরিচালিত করে এখানে আরও উপযুক্ত হবে।

Answer 2

এই ডেটাসেটটি ব্যক্তি-বছরের ডেটাসেটের মতো শোনাচ্ছে, ফলাফলটি কোনও ইভেন্ট হ'ল (এটি কি সঠিক?) এবং ইভেন্ট অবধি অসম ফলোআপ। সেক্ষেত্রে এটি কোনও ধরণের সমীক্ষা (যেমন ধরে নিয়েছি যে আমি কী গবেষণা করছি তা অনুমান করা), এবং সুতরাং পোয়েসন রিগ্রেশন বা একটি বেঁচে থাকার বিশ্লেষণকে নিশ্চিত করা যেতে পারে (ক্যাপলান-মায়ার এবং কক্স-আনুপাতিক ঝুঁকি রিগ্রেশন)।

Comments

প্রতিক্রিয়া পোইসনের চেয়ে দ্বিপদী মত হবে না?

— সেক্সটাস এমপিরিকাস

সত্য, তবে একটি 0/1 প্রতিক্রিয়া (দ্বিপদী) ডেটাসেটকে একটি গণনা ডেটাসেটে রূপান্তর করা যেতে পারে। কার্যকরভাবে, আপনি ভবিষ্যদ্বাণীকারীদের দ্বারা গোষ্ঠী / স্তরগুলিতে বিভক্ত হন, তারপরে ইভেন্টগুলির সংখ্যা এবং পৃথকভাবে ব্যক্তি বর্ষের সংখ্যা যোগ করুন। সময়-টু ইভেন্ট (বেঁচে থাকার ডেটা) বেঁচে থাকা বা গণনা ডেটা হিসাবে বিশ্লেষণ করা যেতে পারে, সহজ বিকল্পটি প্রায়শই বেঁচে থাকার বিশ্লেষণ is

— নিকোলাস

এটি কি 0/1 প্রতিক্রিয়া (বার্নউইলি) ডেটাসেটকে একটি গণনা ডেটাশেটে পরিণত করার মতো নয়। আপনি কেবল বিনোমিয়াল বিতরণ (সসীম কোহোর্ট আকারের) সমাপ্তির মাধ্যমে একটি পয়েসন বিতরণ / প্রক্রিয়া শেষ করবেন।

— সেক্সটাস এম্পিরিকাস

@ নিকোলাসসমল "সত্য, তবে একটি 0/1 প্রতিক্রিয়া (দ্বিপদী) ডেটাসেটকে একটি গণনা ডাটাবেসে পরিণত করা যেতে পারে।" কিভাবে যে কি?

— ভ্যাসিলি 111