Regression analysis of current status data
Regresní analýza dat o současném stavu
diplomová práce (OBHÁJENO)
Zobrazit/ otevřít
Trvalý odkaz
http://hdl.handle.net/20.500.11956/124553Identifikátory
SIS: 216947
Kolekce
- Kvalifikační práce [10932]
Autor
Vedoucí práce
Oponent práce
Komárek, Arnošt
Fakulta / součást
Matematicko-fyzikální fakulta
Obor
Pravděpodobnost, matematická statistika a ekonometrie
Katedra / ústav / klinika
Katedra pravděpodobnosti a matematické statistiky
Datum obhajoby
2. 2. 2021
Nakladatel
Univerzita Karlova, Matematicko-fyzikální fakultaJazyk
Angličtina
Známka
Výborně
Klíčová slova (česky)
data o současném stavu|model aditivního rizika|Coxův model|analýza přežitíKlíčová slova (anglicky)
current status data|additive hazards model|Cox model|survival analysisSoučástí analýzy přežití je často manipulace s cenzorovanými daty. Tato práce se soustředí na cenzorování ve formě dat o současném stavu. Uvádíme několik me- tod regresní analýzy s tímto typem dat a soustředíme se převážně na metodu, která pro čas do události předpokládá model aditivních rizik. Pokud navíc pro monitorovací čas předpokládáme model proporcionálních rizik, nemusíme už spe- cifikovat základní rizikovou funkci a můžeme použít teorii a software, které byly vytvořené pro Coxův model. Dále prezentujeme modifikaci této metody, kon- krétně dvoufázový odhad, a ukazujeme, že tento odhad je taktéž asymptoticky normální a navíc má nižší asymptotický rozptyl.
Survival analysis often includes dealing with data that are censored. This thesis focuses on censoring in the form of current status data. We discuss seve- ral methods of regression analysis of current status data and focus mainly on a method that assumes that the time to event follows the additive hazards mo- del. Under the assumption of proportional hazards for the monitoring time, this method does not require knowing the baseline hazard function and allows us to use the theory and software which were developed for Cox model. We also pre- sent a modification of this method, a two-step estimator, and show that it is asymptotically normal and has the advantage of lower asymptotic variance.