콕스 비례 위험 모델의 위험 비율을 영어로보고하는 방법은 무엇입니까?


13

내 이해는 점이다 위험 비 콕스 비례 위험 모델에서이 기준 그룹에 소정의 위험 인자 율에 미치는 영향을 비교한다. 통계를 모르는 잠재 고객에게 어떻게보고 하시겠습니까?

예를 표현해 봅시다. 소파를 사기 전에 얼마나 오래 연구했는지 사람들을 등록한다고 가정 해 봅시다. 우리는 3 년에 오른쪽 검열을합니다. 이 예에서는 고양이를 소유하고 있는지 여부와 상관없이 연령 <30 또는> = 30의 두 가지 요소가 있습니다. 기준 그룹 ( "30 세 미만,"소유하지 않은 고양이 ")에 대한"소유 고양이 "의 위험 비율은 1.2이며 유의미합니다 (예 : p <0.05).

고양이 소유자는 3 년 이내에 더 많은 이벤트 (소비자 구매)를 받거나 고양이 소유자에게는 이벤트 시간 (소비자 구매)이 더 빠르거나 두 가지 조합이 더 빠르다는 말이 맞습니까?

편집 : 이벤트가 기간 내에 소파를 처음 구매 한 것으로 가정합니다 (있는 경우). 이 모델은 일정 기간 동안 여러 구매를 분석하는 데 도움이되지 않습니다.

답변:


10

위험 비율은 비율 비율입니다. 요금은 "단위 시간당 이벤트"입니다. 콕스 모델이 모든 시점에서 비례 위험을 지정한다고 가정 할 때, 위험 비율 1.2는 "소유 고양이"그룹에서 소파 구매 비율이 조사 된 특정 시점에서 "원인"비율보다 20 % 더 높음을 의미합니다. '소유 고양이'그룹.

따라서 첫 번째 주장 (고양이 소유자는 3 년 이내에 더 많은 이벤트 [코치 구매]를 가짐)이 정확하다고 말할 것입니다. 3 년 이내에 더 많은 이벤트가있을뿐 아니라 해당 시간 내에 주어진 시간에 더 많은 이벤트가 있다는 점을 제외하고는 위험). 미묘한 차이 일 것입니다.

나는 고양이로 인한 피해가 더 많은 소파 구매로 이어질 수 있다고 결론을 내린다고 생각합니까? :)


1
두 그룹의 이벤트 수가 동일하지만 한 그룹이 모두 즉시 발생하고 다른 그룹이 마지막에 발생하는 경우 위험 비율은 1입니까? 즉, 이벤트 시간이 위험 비율에 영향을 미치지 않습니까?
dfrankow

4
이러한 유형의 데이터는 Cox 모델의 비례 위험 가정을 충족하지 않으며 다른 가정 된 분포를 사용하여 모델링하는 것이 좋습니다.
pmgjones

아하, 좋은 지적. 따라서 이벤트 시간이 위험 비율에 영향을 미치지 않는다는 것은 사실입니다 (사건 수의 차이를 통해 간접적으로 제외).
dfrankow

.. 그것이 비례 위험의 가정이기 때문에 (콕스 모델 가정)?
dfrankow

1
'고양이 소유자가 3 년 이내에 더 많은 이벤트를 가졌다'는 진술은 일부 개별 고양이 소유자가 소파를 두 개 이상 구매할 때 잘못 해석 될 수 있습니다 (고양이 소유자는 권장하지 않습니다!). 콕스 모델은 일반적으로 그러한 모호성이 없어야하는 사망률 (한 번만 죽는 것)에 적용됩니다.
shabbychef

8

순수한 평신도들에게, "고양이 주인은 고양이가 아닌 주인보다 소파를 구입할 확률이 1.2 배입니다."

"연구 기간 중 어떤 시점에서든 t"또는 위험에 대한 아이디어를 정의하려고 시도하는 것은 대부분의 사람들을 위해 소시지 제작에 조금 더 가까워지고 있으며 결과의 핵심을 더 이상 이해하지 못합니다. 이와 같은 요약의 실제 요점입니다.


2
누구든지 이것을 공감 한 사람에게는 나에게 완벽하게 훌륭한 반응을 보였으며, 왜 공감대를 받았는지에 대한 정당화가 필요합니다. @EpiGrad, 나는 구어체주의가 "소시지 만들기에 가깝다"는 말을 들어 본 적이 없습니다.이 말의 출처가 어디인지 아십니까?
Andy W

신뢰의 표에 감사드립니다 :) "법과 소세지가 어떻게 만들어 졌는지 알고 싶지 않은 두 가지가 있습니다."라는 말의 적응입니다. 여러 사람들이 통계에 적용한다고 들었습니다.
Fomite

1

가 인디케이터 변수라고 하자 . 고양이가 있으면 , 그렇지 않으면 이다. 결과는1 0X10

h(t|X=1)h(t|X=0)=1.2 (1)

여기서 는 시간 에서 사람에 대해 평가 된 위험 함수 입니다. t X = xh(t|X=x)tX=x

여기에, 시간의 위험 , 시간 (t)는이다 조건 instantanenous 확률이 시간에 소파를 구입 당신은 여전히 시간 직전에 그것을 구입하지 않았다는 것을 주어, .t tttt

즉, (1)은 고양이가없는 사람에 비해 고양이가있는 사람에 대해 언제든지 소파를 구매할 때의 위험 비율입니다 .

또한, 어떤 시간에 소파를 사기의 위험이 상태에 있음을 고양이가있는 사람은 고양이가없는 사람보다 우수합니다.t

이제이 위험 비율이 크게 다른지 여부를 조사하는 것이 흥미로울 수 있습니다 . 그렇지 않은 경우 고양이를 키우는 것은 소파를 사는 위험에 영향을 미치지 않습니다. 이는 해당 위험 비율에 대한 신뢰 구간을 구성하여 수행 할 수 있습니다.1


1
나는 당신의 사실에 동의하지 않지만, 당신의 영어 요약은 비 통계 학자에게는 읽기 쉽지 않은 것 같습니다. 고양이가없는 개인에게 "??; 2) "고양이를 가진 사람에 대해 언제라도 소파를 구입할 위험이 고양이가없는 사람보다 우월하다"?? 이 질문은 기술이 아닌 독자를 위해 영어로 표현하는 방법에 관한 것입니다.
dfrankow

@dfrankow : 동의하지 않습니다 : 이것은 기술적 인 것이 아니라 "엄청난"것입니다. 위험에 대해 말하고 싶지 않다면 Cox 모델을 사용해서는 안됩니다.
ocram

저는 dfrankow와 동의합니다. 적절한 통계 테스트를 선택하고 그 결과를 일반 청중에게 알리는 것에는 큰 차이가 있습니다. 그리고이 경우, "엄격한는" 이며 , 많은 관객 비생산적 - 기술.
Fomite

@EpiGard : 일반 청중에게 통계를 전달하는 것이 어렵다는 데 동의합니다. 그러나 결과를 엄격하게 해석하는 것은 통계학 자의 의무입니다. 그렇지 않으면 소프트웨어가 그것들을 대체 할 것입니다! "고양이 주인은 고양이가 아닌 주인보다 소파를 구매할 확률이 1.2 배입니다." "Pr (소파 구매 | 고양이) = 1.2 Pr (소파 구매 | 고양이 아님)"로 번역됩니다. 이것은 dfrankow가 의사 소통하고 싶은 것이 아닙니다.
ocram
당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.