검열된 데이터의 분산 요소이것이 통계나 플랫폼과 더 관련이 있는 질문인지 잘 모르겠습니다. 여기에 의견을 남겨주시면 감사하겠습니다!
분산 성분 연구를 다룰 때, 우리의 모든 요인은 임의 요인이 될 것입니다. 표준 최소 제곱법 적합 모델 플랫폼을 사용하여 이러한 모델을 적합시킬 때, JMP는 REML 분산 성분 추정치 표를 제공할 수 있습니다. 그래서 우리는 여기서 결과를 얻을 수 있습니다(주로 각 임의 요인의 백분율). 그러나 우리가 검열 데이터(생존 분석용)를 다룰 때, JMP는 모델 제한으로 인해 모델에 존재하는 임의 요인을 허용하지 않습니다.
제 질문은 이것이 모델 제한 때문인가요? 모든 요인이 무작위 요인(검열 데이터)이라고 가정할 때 생존 분석을 위해 이런 종류의 분산 성분 분석을 할 수 없나요? 또한 저는 특히 Weibull 분포를 사용할 때 생존 분석의 경우 실패 비율(검열되지 않은 데이터 비율)이 특정 숫자보다 커야 한다는 경험칙이 있나요? 예를 들어 60%, 70% 등...
감사해요
품질 및 공정 엔지니어링Re: 중도절단된 데이터의 분산 구성요소감사해요!Re: 중도절단된 데이터의 분산 구성요소처럼 @eclaassen 무작위 효과로 생존 분석을 수행하는 방법/도구가 있음을 지적했습니다. 이 SUGI 논문에 관심이 있을 수 있습니다. 중도절단된 관찰이 있는 이벤트까지의 시간 데이터에 대한 일반화 선형 혼합 모델 접근법 . 그러나 JMP는 현재 릴리스에서 이러한 도구를 제공하지 않습니다. 앞으로 공개될 그녀의 새로운 플랫폼에 많은 관심 부탁드립니다.
GLIMMIX 유형 도구 외에도 베이지안 추론은 다른 접근 방식일 수 있습니다. 나는 베이지안 추론을 사용하여 임의의 주제 매개변수를 모델링하는 새로운 반복 측정 저하 플랫폼에서 작업하고 있습니다. 기술을 적용할 수는 있지만 플랫폼 자체는 지금 필요한 것과 관련이 없습니다.
어림짐작 질문의 경우 주요 관심사는 검열이 분석 목표에 어떤 영향을 미치는가입니다. 중도절단에 대해 걱정해야 할 두 가지 사항이 있습니다. 중도절단된 관찰 횟수와 중도절단된 관찰이 발생하는 시기(또는 위치)입니다. 우려되는 상황은 관측 중단된 관측치가 많은 올바른 중도절단 데이터가 있는 반면 관측 중단 시간을 훨씬 넘어서는 실패 확률에 관심이 있는 경우일 수 있습니다. 그러나 검열 시간 이전의 고장 확률에 관심이 있고 검열 비율이 크더라도 여전히 많은 양의 고장 관측치가 있는 경우에는 걱정할 필요가 없습니다.
검열이 결과에 큰 영향을 미치므로 결과에 큰 불확실성이 있는 경우 특정 모델 또는 하나 이상의 매개변수에 대해 매우 강력한 가정을 해야 합니다.
Weibayes로 알려진 고전적인 방법은 거의 모든 관찰이 중도절단될 때 유용한 접근 방식을 제공합니다. 이 방법 외에도 Bayesian 추론은 중도절단된 데이터를 처리하기 위한 또 다른 보다 포괄적인 접근 방식입니다. JMP Life Distribution과 Fit Life by X 플랫폼은 그에 따라 이러한 방법을 제공합니다.
Re: 중도절단된 데이터의 분산 구성요소안녕하세요, 케빈
나는 생존 분석 전문가가 아니기 때문에 질문의 두 번째 부분(어림칙)에 대해 말할 수 없습니다. 다른 누군가가 당신을 도울 수 있기를 바랍니다!
첫 번째 부분에 대해 조금 말할 수 있습니다. 현재 JMP(및 JMP Pro)는 응답 분포가 가우시안/정규인 경우 적합 모델 내의 표준 최소 제곱 또는 혼합 성격에서 언급한 것과 같은 분산 성분 분석만 수행할 수 있습니다. 안타깝게도 생존 분석의 경우 응답 분포는 가우시안이 아니며(Weibull, 지수 등) 생존 플랫폼 옵션(Survival 또는 Parametric Survival)은 임의 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 대한 액세스 권한이 있는지 모르겠습니다. 이런 종류의 분석 기능이 있다는 것을 알고 있습니다. Walter W. Stroup의 책 "일반화 선형 혼합 모델: 최신 개념, 방법 및 응용"에는 PROC GLIMMIX를 사용하여 Time-to-Event 데이터를 분석하는 데 전념하는 전체 장이 있습니다. 유용한 참고 자료가 될 수 있습니다.
-엘리자베스
