Geri Dön

İç ilişki durumunda cox oransal hazard modeli için farklı tahmin edicilerin incelenmesi

A study about different kind of estimators for cox proportional hazard regression model in presence of collinearity

  1. Tez No: 276017
  2. Yazar: DENİZ İNAN
  3. Danışmanlar: PROF. DR. MÜJGAN TEZ
  4. Tez Türü: Doktora
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Cox regresyon modeli, Ridge regresyon, Sağkalım analizi, Temel bileşenler analizi, Cox regression model, Ridge regression, Survival analysis, Principal components analysis
  7. Yıl: 2010
  8. Dil: Türkçe
  9. Üniversite: Marmara Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Matematik Ana Bilim Dalı
  12. Bilim Dalı: Uygulamalı Matematik Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Bu çalışmada, açıklayıcı değişkenler arası iç ilişki olması durumunda Cox oransal hazard regresyon model parametrelerinin kestirimi için farklı yaklaşımlar incelenmektedir.Genel olarak Cox oransal hazard regresyon modelinin parametrelerinin tahmininde kısmi ençok olabilirlik tahmin edicisi kullanılmaktadır. Fakat iç ilişkinin varlığı ençok olabilirlik tahminlerini ciddi şekilde etkileyebilir. Parametre tahminleri çok büyük varyanslara sahip olacaklarından gerçek değerlerden çok uzak olabilirler.2007 yılında Ridge regresyon yaklaşımını Cox oransal hazard regresyon modeline genellemişlerdir. Fakat özellikle yüksek iç ilişki durumunda bu yaklaşım sorunun çözümünde yetersiz kalmaktadır.Bu çalışmada Cox oransal hazard regresyon modeline; Liu-tipi tahmin edici, temel bileşenler tahmin edicisi ve bu iki tahmin edicinin bir kombinasyonu olan yeni bir tahmin edici uyarlanmış ve bu tahmin ediciler Ridge tahmin edicisi ile ?ortalama hata kareler? ölçütüne göre kıyaslanmışlardır. Son olarak tahmin edicilerin performansları benzetim çalışmaları ile ayrıntılı olarak incelenmiştir.

Özet (Çeviri)

This paper considers new approaches to estimate Cox proportional hazard regression model parameters in presence of collinearity between covariates.Usually partial maximum likelihood estimator is used to estimate Cox proportional hazard regression model parameters. But when there exist collinearity partial maximum likelihood estimates can be effected seriously . Parameter estimates have large variances so they may be far from true values.In 2007 ridge regression approach was generalized to the Cox proportional hazard regression model. But especially when there exist severe collinearity this approach may not fully addresses the collinearity problem.In this study we developed; Liu-type estimator, principal component estimator and a new estimator, which combine these two estimators, for Cox proportional hazard regression model and compared with ridge regression estimator in terms of mean squared error (MSE). Finally we evaluated their performances through simulation studies.

Benzer Tezler

  1. Bazı esterlerin kinetik incelenmesi ve termodinamik parametrelerin belirlenmesi

    Kinetic study and detesmination of thermodnamic parameters of some esters

    İBRAHİM TAŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    1986

    Kimya MühendisliğiUludağ Üniversitesi

    Kimya Ana Bilim Dalı

    PROF. DR. MUSTAFA CEBE

  2. Atherosklerotik kalp hastalıklarında risk faktörleri

    Risk factors in the coronary artery disease

    MURAT SUHER

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    1987

    KardiyolojiGazi Üniversitesi

    İç Hastalıkları Ana Bilim Dalı

  3. Süt formüllerinin tüketim uygulamaları ve süt formüllerinin C vitamini içeriği ile pH değerleri

    Başlık çevirisi yok

    GÖNÜL VAROL

    Yüksek Lisans

    Türkçe

    Türkçe

    1986

    Besin Hijyeni ve Teknolojisiİstanbul Üniversitesi

    Çocuk Gelişimi Ana Bilim Dalı

    DOÇ. DR. TÜRKAN KUTLUAY

  4. Dokuma kumaşlarda örgü tipinin ham kumaşın boyutları ve geometrik özellikleri üzerindeki etkilerinin araştırılması

    Başlık çevirisi yok

    EMEL ÖNDER

    Yüksek Lisans

    Türkçe

    Türkçe

    1985

    Tekstil ve Tekstil MühendisliğiEge Üniversitesi

    Tekstil Mühendisliği Ana Bilim Dalı

    DOÇ. DR. GÜNGÖR BAŞER