แบบจำลองความเป็นอันตรายของสัดส่วนค็อกซ์และตัวอย่างที่ไม่ได้เลือกแบบสุ่ม

9

มีวิธีใดบ้างที่จะแก้ไขอคติในโมเดลอันตรายตามสัดส่วนของ Cox ที่เกิดจากตัวอย่างที่ไม่ได้เลือกแบบสุ่ม (เช่นการแก้ไขของ Heckman)

ความเป็นมา :
ให้บอกว่าสถานการณ์มีลักษณะดังนี้:
- ในช่วงสองปีแรกลูกค้าทั้งหมดได้รับการยอมรับ
- หลังจากสองปีที่ผ่านมา Cox PH model ได้ถูกสร้างขึ้น แบบจำลองทำนายระยะเวลาที่ลูกค้าจะใช้บริการของเรา
- เนื่องจากนโยบายของ บริษัท ต่อจากนี้เฉพาะลูกค้าที่มีโอกาสรอดชีวิต 3 เดือนที่มากกว่า 0.5 ได้รับการยอมรับคนอื่น ๆ จึงถูกปฏิเสธ
- หลังจากนั้นอีกสองปีจะต้องมีการสร้างโมเดลใหม่ ปัญหาคือเรามีเป้าหมายเฉพาะสำหรับลูกค้าที่ได้รับการยอมรับและการใช้เฉพาะลูกค้าเหล่านี้อาจทำให้เกิดอคติที่ร้ายแรง

bias cox-model

— Tomek Tarczynski
แหล่งที่มา

1

จุดประสงค์ของการวิเคราะห์นี้คืออะไร? โมเดล Cox PH ไม่ได้คาดการณ์เวลาที่จะเกิดความล้มเหลวอย่างชัดเจนเว้นแต่คุณจะรวมวิธีการปรับให้เรียบหรือการสร้างแบบจำลองพารามิเตอร์ มีการแบ่งชั้น / การปรับตัวแปรอะไรในโมเดลนี้?

— AdamO

4

มีการเสนอวิธีแก้ไขปัญหาแบบจำลองพารามิเตอร์ ดูที่สิ่งเหล่านี้:

Prieger, James, 2000. "รูปแบบการเลือกพารามิเตอร์ทั่วไปสำหรับข้อมูลที่ไม่ปกติ" เอกสารการทำงาน 00-9, มหาวิทยาลัยแคลิฟอร์เนียที่เดวิส, ภาควิชาเศรษฐศาสตร์

Boehmke, Frederick J. , Daniel Morey และ Megan Shannon 2549. "การเลือกอคติและแบบจำลองระยะเวลาต่อเนื่อง: ผลที่ตามมาและทางออกที่เสนอ" วารสารอเมริกันรัฐศาสตร์ 50 (1): 192-207

มีรหัสสำหรับกระดาษในภายหลังในStata แพคเกจ "dursel"

อย่างไรก็ตามฉันไม่ทราบวิธีแก้ปัญหาสำหรับโมเดล semiparametric Cox

— jorpppp
แหล่งที่มา

ปัญหาเกี่ยวกับการคำนวณหาพารามิเตอร์ด้วยโมเดลกึ่งพารามิเตอร์แบบคิกคือว่าปัญหานี้เกี่ยวข้องกับข้อมูลที่หายไป แม้ว่าผู้เขียนจะไม่ได้อธิบายว่าเขาได้รับการคาดการณ์ความเสี่ยงแบบสัมบูรณ์จากโมเดล Cox ได้อย่างไรเนื่องจากเรามีการคาดการณ์ความเสี่ยงดังกล่าวตามพารามิเตอร์ของรุ่น การรวบรวมขึ้นอยู่กับการคาดการณ์ความเสี่ยงดั้งเดิมดังนั้นความหายไปขึ้นอยู่กับตัวแปรที่สังเกตเช่นขาดข้อมูลสุ่ม

— AdamO

2

คำตอบง่ายๆคือการถ่วงน้ำหนัก นั่นคือคุณสามารถใช้น้ำหนักเพื่อสร้างมาตรฐานให้กับกลุ่มในกลุ่ม "ที่ยอมรับ" กับประชากรที่สนใจ ปัญหาที่เกิดขึ้นจากการใช้ตุ้มน้ำหนักดังกล่าวในการวิเคราะห์แบบรวมกลุ่มโดยใช้ช่วงสองปีแรกและสองปีก็คือน้ำหนักประชากรโดยประมาณและพารามิเตอร์ตอนนี้ขึ้นอยู่กับ โดยทั่วไปแล้วจะใช้วิธีการหลอก (ในกรณีนี้มันจะเป็นแบบหลอก - บางส่วน) ที่คุณไม่สนใจการพึ่งพาระหว่างน้ำหนักตัวอย่างและการประมาณค่าพารามิเตอร์ อย่างไรก็ตามในหลายกรณี (และอันนี้ไม่แตกต่างกัน) การบัญชีสำหรับการพึ่งพานี้เป็นสิ่งจำเป็น ปัญหาของการสร้างตัวประมาณที่มีประสิทธิภาพของอัตราส่วนความเป็นอันตรายนั้นเป็นเรื่องยากและเท่าที่ฉันทราบก็เปิดกว้าง

ปรับปรุง Horvitz ธ อมป์สันประมาณค่าพารามิเตอร์รุ่นจากสองเฟสตัวอย่างแซด: การประยุกต์ใช้ในการระบาดวิทยา

บทความนี้กล่าวถึงวิธีการสำรวจโดยทั่วไปจะใช้ในการถดถอยโลจิสติก แต่คุณสามารถน้ำหนักข้อมูลการอยู่รอดได้เช่นกัน ข้อพิจารณาที่สำคัญบางประการที่คุณไม่ได้กล่าวถึงคือคุณสนใจที่จะสร้างการทำนายที่ใช้กับประชากรทั้งหมดหรือกับประชากร "ที่มีคุณสมบัติ" ตามการประมาณการ 2 ปีหรือประชากร "ที่ผ่านการคัดเลือก" ตามผลลัพธ์ แบบ คุณยังไม่ได้กล่าวถึงอย่างชัดเจนว่าโมเดล "การทำนาย" ดังกล่าวสร้างขึ้นจากโมเดล Cox อย่างไรเนื่องจากค่าติดตั้งจากโมเดล Cox ไม่สามารถตีความได้ว่าเป็นความเสี่ยง ฉันเชื่อว่าคุณประเมินอัตราส่วนความเป็นอันตรายจากนั้นรับฟังก์ชั่นการประเมินความเป็นอันตรายพื้นฐานที่ราบรื่น

— Adamo
แหล่งที่มา