Problem mit der Zuverlässigkeits- und Überlebensanalyse - Modell für proportionale Gefährdungen Hallo, ich verwende täglich JMP und SAS. Eines meiner aktuellen Projekte ist die Analyse von Survival-Daten. Um mich zu trainieren, habe ich das Beispiel im SAS-Handbuch studiert: https://support.sas.com/documentation/cdl/de/statug/63962/HTML/default/viewer.htm#statug_phreg_sect048.htm Wenn ich dasselbe Modell mit den genauen Daten in JMP anpasse, erhielt ich unterschiedliche Parameterschätzungen für die kategorialen Variablen (Zelle, Vorrang, Therapie), obwohl ich für diese Variablen dieselbe Referenzkategorie eingestellt habe.
Ich frage mich, warum JMP unterschiedliche Schätzungen für die kategorialen Kovariaten erhält?
PS. Ich passe das gleiche Modell in R mit dem Suvival-Paket an. SAS und R liefern fast ähnliche Schätzungen für die Parameter.
Re: Problem mit Zuverlässigkeits- und Überlebensanalyse - Modell für proportionale Gefährdungen anpassenSAS und JMP parametrisieren kategoriale Variablen unterschiedlich, sodass die Schätzungen nicht identisch sind. Das heißt, Sie geben einen Begriff für eine Variable mit drei Ebenen ein, die zu unterschiedlichen Dummy-Variablen in der Regression und unterschiedlichen Schätzungen führt. Siehe Hilfe> Bücher> Zuverlässigkeit und Überleben. Schauen Sie sich das Kapitel mit den statistischen Details an. Das Buch Anpassen linearer Modelle erläutert auch die Parametrisierung des verwendeten linearen Prädiktors.
Ich wette jedoch, dass das SAS-Modell und das JMP-Modell dieselben vorhergesagten Werte liefern.
Sie können die Modellparametrierung in JMP nicht ändern.
Re: Problem mit Zuverlässigkeits- und Überlebensanalyse - Modell für proportionale Gefährdungen anpassenHallo Mark,
Ich danke Ihnen für Ihre Erklärung. Ich habe bereits davon ausgegangen, dass sie möglicherweise unterschiedliche Parametrisierungen für die kategorialen Variablen verwenden, so dass sich die Parameterschätzungen unterscheiden. Ich stimme auch mit Ihnen überein, dass sie die gleichen vorhergesagten Werte liefern sollten.
In diesem Beispiel unterscheidet sich jedoch auch der Gesamtwahrscheinlichkeitstest (Joint Test in SAS). Sie sollten ähnlich sein, welche Parametrierung (oder Dummy-Variablen) Sie verwenden. SAS sagt, Therapie ist eine bedeutende Kovariate, JMP sagt nicht.
Re: Problem mit Zuverlässigkeits- und Überlebensanalyse - Modell für proportionale Gefährdungen anpassenKönnen Sie die SAS- und die JMP-Ausgabe für diese Effekttests anzeigen?
Re: Problem mit Zuverlässigkeits- und Überlebensanalyse - Modell für proportionale Gefährdungen anpassen
Re: Problem mit Zuverlässigkeits- und Überlebensanalyse - Modell für proportionale Gefährdungen anpassenDer Unterschied bei den Parameterschätzungen ist auf die unterschiedliche Parametrisierung der kategorialen Variablen in SAS und JMP zurückzuführen.
Der SAS-Standardwert ist REF, während JMP EFFECT verwendet (in der SAS-Modellanweisung, Option param).
Hier sind die Ausgaben von JMP und SAS (mit param = EFFECT), sie sind gleich.
Danke Markus 
Re: Problem mit Zuverlässigkeits- und Überlebensanalyse - Modell für proportionale Gefährdungen anpassenDie gemeinsamen Tests von SAS und JMP stimmen zu, wenn Sie den Wald-Test verwenden möchten.
Re: Problem mit Zuverlässigkeits- und Überlebensanalyse - Modell für proportionale Gefährdungen anpassenJede Parametrierung ist intern konsistent. Deshalb sind die Effekttests gleich. Die Parameterschätzungen sind natürlich unterschiedlich.
Schön, dass wir es geklärt haben!
