일반화된 회귀(왼쪽 검열된 데이터)
일반화 회귀 플랫폼을 사용하여 왼쪽 중도절단 데이터를 분석할 때 검출 한계가 낮아 탐지가 불가능한 경우 JMP에서는 중도절단된 데이터를 어떻게 처리합니까?
내가 올바르게 이해했는지 확인해 주세요. 전체 데이터 세트가 비정규 분포(예: 로그 정규 분포)라고 가정하고 누락 대치(시뮬레이션)를 통해 왼쪽 검열된 데이터가 0과 탐지 한계 사이에 있는 것처럼 처리됩니까?
아니면 대체를 위해 시뮬레이션을 사용하는 대신 왼쪽 중도절단된 데이터의 값을 대체하는 데 특정 통계 규칙이나 방법이 적용됩니까?
제가 이 질문을 하는 이유는 어제 JMP Pro의 일반화 회귀를 소개하는 세션에서 한 고객이 현재 JMP Basic에서 0과 탐지 한계 사이의 결측값을 시뮬레이션하여 검열된 데이터를 분석하고 있다고 언급했기 때문입니다. 그들은 장르플랫폼이 더 나은 접근 방식이 될 수 있는지 물었습니다.
시뮬레이션을 위한 특정 분포를 가정하는 것이 우리의 경우에 더 적합할 수 있음을 제안하는 데 GENREG가 적절할 수 있다고 말할 수 있습니다. 오른쪽?
Re: 일반화된 회귀(왼쪽 검열된 데이터)검열된 데이터를 처리하는 방법에 대한 좋은 참고 자료는 Meeker 등이 쓴 "신뢰성 데이터를 위한 통계적 방법"입니다. https://www.amazon.com/Statistical-Reliability-Analytic-Probability-Statistics/dp/1118115457
귀하의 질문에 대해서는 섹션 2.4 가능성을 참조하십시오.
즉, 왼쪽 중도절단 관측치가 전체 우도에 기여합니다. 그리고 그 기여는 왼쪽 중도절단 관측치가 0(분포가 대수정규, Weibull 등인 경우)과 탐지 한계 사이에 있을 확률입니다.
전가(imputation)가 수행하는 작업과 비교하여 이해할 수 있습니다. 대치 후 관찰의 기여는 대치된 값의 "밀도"입니다. 문제는 값이 어떻게 귀속되는지입니다. 이는 시뮬레이션 접근 방식과 밀접한 관련이 있습니다.
시뮬레이션은 합리적인 생각이지만, 관찰 결과를 도출해야 하는 분포를 어떻게 결정합니까? 닭고기 달걀 문제입니다.
올바른 접근 방식에는 그러한 딜레마가 없습니다.
Re: 일반화된 회귀(왼쪽 검열된 데이터)감사합니다. 해결됨
