중도절단된 데이터의 분산 성분이것이 통계 또는 플랫폼과 관련된 질문인지 확실하지 않습니다. 여기에 어떤 입력도 감사하겠습니다!
분산 성분 연구를 다룰 때 모든 요인은 다음과 같습니다. 무작위의 요인. 적합 모델 플랫폼에서 표준 최소 제곱을 사용하여 이러한 모델을 적합할 때 JMP는 REML Variance Component Estimates 테이블을 제공할 수 있습니다. 따라서 여기에서 결과를 얻을 수 있습니다(주로 각 임의 요소의 백분율). 그러나 중도절단 데이터(생존 분석용)를 처리할 때 JMP는 모델 제한으로 인해 모델에 존재하는 임의 요인을 허용하지 않습니다.
내 질문은 이것이 우리의 모든 요인이 무작위의 요인(검열 데이터)? 또한 Weibull 분포를 사용할 때 특히 생존 분석에 대해 궁금합니다. 실패율(비중단절단 데이터 비율)이 특정 숫자보다 커야 한다는 경험 법칙이 있습니까? 60%, 70% 등등...
감사 해요
해석학Re: 중도절단된 데이터의 분산 성분안녕, 케빈
나는 생존 분석 전문가가 아니기 때문에 귀하의 질문의 두 번째 부분(경험 법칙)에 대해 말할 수 없습니다. 다른 사람이 거기에서 당신을 도울 수 있기를 바랍니다!
나는 첫 번째 부분에 대해 조금 말할 수 있습니다. 현재 JMP(및 JMP Pro)는 응답 분포가 가우스/정규일 때 적합 모델 내 표준 최소제곱 또는 혼합 성격에서 언급한 것처럼 분산 성분 분석만 수행할 수 있습니다. 불행히도 생존 분석의 경우 응답 분포는 가우시안이 아니며(Weibull, Exponential 등) 생존 플랫폼 옵션(Survival 또는 Parametric Survival)은 임의의 효과를 허용하지 않습니다(알다시피). 이러한 종류의 분석을 가능하게 하는 JMP Pro용 일반화 선형 혼합 모델 플랫폼에 대한 계획이 있습니다. 해당 플랫폼의 초기 범위에는 생존 분포가 포함되지 않지만 향후 개발을 위해 나열됩니다. 생존 GLMM은 매우 활발한 연구 분야입니다!
그동안 SAS PROC GLIMMIX에 액세스할 수 있는지 모르겠습니다. 이런 종류의 분석 기능이 있다는 것을 알고 있습니다. Walter W. Stroup의 "Generalized Linear Mixed Models: Modern Concepts, Methods and Applications" 책에는 PROC GLIMMIX를 사용하여 Time-to-Event 데이터를 분석하는 데 전념하는 전체 장이 있습니다. 당신에게 유용한 참고 자료가 될 수 있습니다.
- 엘리자베스
Re: 중도절단된 데이터의 분산 성분같이 @eclaassen 무작위 효과로 생존 분석을 수행하는 방법/도구가 있음을 지적했습니다. 이 SUGI 논문에 관심이 있을 수 있습니다. 중도절단된 관측을 사용한 사건 발생 시간 데이터에 대한 일반화된 선형 혼합 모델 접근 방식 . 그러나 JMP는 현재 릴리스에서 이러한 도구를 제공하지 않습니다. 다음 릴리스에서 그녀의 새로운 플랫폼에 주목하십시오.
GLIMMIX 유형 도구 외에도 베이지안 추론은 다른 접근 방식일 수 있습니다. 저는 베이지안 추론을 사용하여 무작위 주제 매개변수를 모델링하는 새로운 반복 측정 저하 플랫폼에서 작업하고 있습니다. 기술을 적용할 수는 있지만 플랫폼 자체는 지금 필요한 것과 관련이 없습니다.
경험에 관한 질문의 경우 중도절단이 분석 목표에 미치는 영향이 주요 관심사입니다. 중도절단에 대해 걱정할 필요가 있는 두 가지 사항이 있습니다. 중도절단된 관측치가 얼마나 많이 발생하는지, 그리고 언제(또는 어디서) 중도절단된 관측치가 발생하는지입니다. 걱정스러운 상황은 관측 중단이 많은 올바른 관측 중단 데이터가 있는 반면 관측 중단 시간을 훨씬 넘어서는 실패 확률에 관심이 있는 경우일 수 있습니다. 그러나 관측 중단 시간 이전의 실패 확률에 관심이 있고 관측 중단된 비율이 크더라도 여전히 많은 양의 실패 관측치가 있다면 걱정할 필요가 없습니다.
중도절단이 결과에 큰 영향을 미치므로 결과에 큰 불확실성이 있는 경우 특정 모델이나 하나 이상의 매개변수에 대해 매우 강력한 가정을 해야 합니다.
Weibayes로 알려진 고전적인 방법은 거의 모든 관찰이 중도절단될 때 유용한 접근 방식을 제공합니다. 그 방법 외에도 베이지안 추론은 중도절단된 데이터를 처리하는 또 다른 포괄적인 접근 방식입니다. JMP Life Distribution 및 Fit Life by X 플랫폼은 이에 따라 이러한 방법을 제공합니다.
Re: 중도절단된 데이터의 분산 성분감사 해요!
