Regression analysis of current status data
Název práce v češtině: | Regresní analýza dat o současném stavu |
---|---|
Název v anglickém jazyce: | Regression analysis of current status data |
Klíčová slova: | data o současném stavu|model aditivního rizika|Coxův model|analýza přežití |
Klíčová slova anglicky: | current status data|additive hazards model|Cox model|survival analysis |
Akademický rok vypsání: | 2019/2020 |
Typ práce: | diplomová práce |
Jazyk práce: | angličtina |
Ústav: | Katedra pravděpodobnosti a matematické statistiky (32-KPMS) |
Vedoucí / školitel: | doc. Mgr. Michal Kulich, Ph.D. |
Řešitel: | skrytý - zadáno a potvrzeno stud. odd. |
Datum přihlášení: | 29.02.2020 |
Datum zadání: | 02.03.2020 |
Datum potvrzení stud. oddělením: | 13.03.2020 |
Datum a čas obhajoby: | 02.02.2021 08:20 |
Datum odevzdání elektronické podoby: | 04.01.2021 |
Datum odevzdání tištěné podoby: | 04.01.2021 |
Datum proběhlé obhajoby: | 02.02.2021 |
Oponenti: | doc. RNDr. Arnošt Komárek, Ph.D. |
Zásady pro vypracování |
Problém analýzy dat o současném stavu (current status data) se týká odhadování vlivu pozorovaných regresorů na dobu čekání na událost, jestliže nejsme schopni sledovat jedince po celou dobu a zaznamenat přesný čas výskytu události, ale z praktických důvodů můžeme každého jedince sledovat pouze jednou v náhodném čase a zaznamenat, jestli v tomto čase již událost nastala nebo ne. Taková data vznikají v praxi např. tak, že zveme lidi ohrožené tuberkulózou na vyšetření a zjišťujeme, jestli tuberkulózu mají nebo ne. Pokud ano, nedozvíme ale nic o tom, kdy se nakazili.
Tato data vyžadují speciální metody a vzhledem k tomu, že sledovaná veličina vlastně nikdy není pozorována přímo, jejich analýza je často dosti komplikovaná. Pokud však k vyjádření vlivu regresorů na riziko události použijeme model aditivního rizika, lze ukázat (Lin, Oakes a Ying 1998), že odhady regresních parametrů je možné získat relativně jednoduše metodou parciální věrohodnosti. Cílem práce je popsat vybrané metody pro analýzu dat o současném stavu, ukázat, proč většina z nich vede ke komplikovaným procedurám a podrobněji prozkoumat přístup Lina, Oakese a Yinga (odvození odhadů, asymptotické vlastnosti i s důkazy). Práci doplní simulační studie, případně pojednání o výpočetních přístupech pro metody navržené v literatuře. |
Seznam odborné literatury |
Lin, D., Oakes, D., and Ying, Z. (1998) Additive hazards regression with current status data. Biometrika, 85, 289-298.
Rossini, A. and Tsiatis, A. (1996) A semiparametric proportional odds regression model for the analysis of current status data. Journal of the American Statistical Association, 91, 713-721. Martinussen, T. & Scheike, T. (2002) Efficient estimation in additive hazards regression with current status data. Biometrika, 89, 649-658. Shiboski, S. (1998) Generalized additive models for current status data. Lifetime Data Analysis, 4, 29-50. |
Předběžná náplň práce |
Téma rozšiřuje látku probíranou v předmětu NMST531 Censored Data Analysis a přímo na ni navazuje. Absolvování tohoto předmětu je tedy nezbytné. Pro zkoumané metody lze najít uplatnění v medicínské statistice, technických oborech i financích nebo pojišťovnictví. |