পৃথক সময়ের বিপত্তি মডেল (ক্লোগলগ) আর

Question

survivalপ্যাকেজ Rপ্রদর্শিত হয় একটানা সময় বেঁচে থাকা মডেলের উপর ফোকাস করার। আমি আনুপাতিক ঝুঁকিপূর্ণ মডেল, পরিপূরক লগ-লগ মডেলটির একটি পৃথক সময়ের সংস্করণ অনুমান করতে আগ্রহী। সরল ডান সেন্সরিং সহ আমার মোটামুটি সোজা বেঁচে থাকার মডেল রয়েছে।

আমি জানি যে এই মডেলটি অনুমান করার একটি উপায় হ'ল একটি ডেটা সেট তৈরি করা যা প্রতিটি পর্যায়ের জন্য প্রতিটি পর্যবেক্ষণের জন্য পৃথক সারি থাকে যেখানে এটি "মৃত" নয়। তারপরে, লিঙ্কযুক্ত একটি glmমডেল cloglogব্যবহার করা যেতে পারে।

এই পদ্ধতির খুব স্মৃতি অক্ষম বলে মনে হচ্ছে; প্রকৃতপক্ষে, এটি সম্ভবত এমন একটি ডেটা সেট তৈরি করবে যা আমার মেশিনে মেমরির জন্য খুব বড়।

একটি দ্বিতীয় পদ্ধতির নিজেকে এমএলই কোড আপ করা হবে। এটি যথেষ্ট সহজ হবে, তবে আমি আশা করছি যে এমন একটি প্যাকেজ রয়েছে যা এই টিকে থাকার মডেলটি ক্যান করে রেখেছে। সহযোগিতার পক্ষে এবং প্যাকেজটি ব্যবহার করার জন্য কোডিং ত্রুটিগুলি এড়ানো সহজ হবে।

এমন প্যাকেজটি কি কেউ জানেন?

Comments

যদি এই সময়টি আলাদা হয় তবে আপনার অবশ্যই অনেকগুলি সম্পর্ক থাকতে হবে, তাই না? আমি এই ধারণার অধীনে রয়েছি যে coxph(ties="exact"), স্ট্যান্ডার্ড survivalপ্যাকেজটিতে, মডেলটিকে "শর্তসাপেক্ষ লজিস্টিক মডেল করে তোলে এবং সময়গুলি যখন পৃথক মানগুলির একটি ছোট সেট হয়" তখন উপযুক্ত। এটি কি আপনার পক্ষে কাজ করবে না? এটি কি খ / সি cloglogলিঙ্কটি ব্যবহার করবে না ?

— গুং - মনিকা পুনরায়

@ গুং, পয়েন্টারটির জন্য ধন্যবাদ; আমি এই বৈশিষ্ট্য সম্পর্কে জানতাম না। cloglogযদিও আমি লিঙ্কটি ব্যবহার করতে পছন্দ করব ।

— চার্লি

Answer 1

প্রতিটি পর্যবেক্ষণের জন্য বেশ কয়েকটি সারি থাকা অপ্রয়োজনীয় মনে হতে পারে, তবে সম্ভবত এটি তা নয়। যদি মডেলটিতে কোনও সময়-পরিবর্তিত কোভেরিয়েট থাকে, তবে প্রতিটি পর্যবেক্ষণ-মাস অবশ্যই তার নিজস্ব সারি প্রয়োজন। সময়ের পরিবর্তিত কোভেরিয়টের একটি বিশেষ উদাহরণ হল সময় অতিবাহিত। যেহেতু এই পরিবর্তনশীলটি প্রায় অবশ্যই মডেলটিতে অন্তর্ভুক্ত করা উচিত, তাই প্রতিটি পর্যবেক্ষণ-সময়কালের জন্য পৃথক সারি থাকা বোধগম্য হয়। সুতরাং, প্রস্তাবিত প্রথম পদ্ধতির সম্ভবত সেরাটি।

মনে রাখবেন যে এটি একটি ওয়েইবুল বিতরণের একটি অবিচ্ছিন্ন সময়ের আনুপাতিক বিপত্তি মডেল থেকে পৃথক। সেখানে, বেঁচে থাকার মডেলটি প্রতিটি পর্যবেক্ষণের জন্য একক লাইনে সরল করা যায় যদি সময় ব্যয় হয় কেবলমাত্র সময়ের পরিবর্তিত কোভেরিয়ট ( উদাহরণস্বরূপ, এখানে দেখুন )। কক্স আনুপাতিক ঝুঁকি মডেল জন্য একই ফলাফল।