Lorsque vous utilisez la plateforme de régression généralisée pour analyser des données censurées à gauche, où la détection n'est pas possible en raison d'une limite de détection inférieure, comment JMP gère les données censurées ?
Veuillez confirmer que j'ai bien compris. Les données censurées à gauche sont-elles traitées comme si elles se situaient entre zéro et la limite de détection par imputation manquante (simulation) en supposant que l'ensemble de données est une distribution non normale (telle que log-normale) ?
Ou bien, au lieu d’utiliser la simulation pour l’imputation, des règles ou méthodes statistiques spécifiques sont-elles appliquées pour imputer les valeurs des données censurées à gauche ?
La raison pour laquelle je pose cette question est qu'hier, lors d'une session d'introduction à la régression généralisée pour JMP Pro, un client a mentionné qu'il analysait actuellement des données censurées dans JMP Basic en simulant les valeurs manquantes entre zéro et la limite de détection. Ils ont demandé si la plateforme genreg pourrait être une meilleure approche.
Je peux dire que GENREG pourrait être approprié pour suggérer que supposer une distribution spécifique pour la simulation pourrait être plus approprié dans notre cas. droite?
Sur la façon dont les données censurées sont traitées, voici une bonne référence : « Méthodes statistiques pour la fiabilité des données » par Meeker et autres. https://www.amazon.com/Statistical-Reliability-Analysis-Probability-Statistics/dp/1118115457
Pour votre question, voir la section 2.4 Probabilité.
En bref, l’observation censurée à gauche contribue à la vraisemblance totale. Et cette contribution est que la probabilité que l'observation censurée à gauche soit comprise entre zéro (si la distribution est lognormale, Weibull, etc.) et la limite de détection.
Vous pouvez le comprendre en comparant avec ce que fait l'imputation. Après imputation, la contribution de l'observation est la « densité » de la valeur imputée. Le problème est de savoir comment la valeur est imputée. Elle est étroitement liée à l’approche de simulation.
La simulation est une idée raisonnable, mais comment déterminer la distribution à partir de laquelle les observations doivent être tirées ? C'est un problème d'œuf de poule.
La bonne approche ne pose pas un tel dilemme.
