Patrzę na czas wymagany przez sędziów na podjęcie decyzji. Każdy sędzia ocenia liczbę kandydatów i może albo zatwierdzić, albo nie. Sprawa kończy się, gdy sędzia wydaje sprawozdanie, co może trochę potrwać po rozprawie. Pod koniec okresu badania wiele spraw było nadal otwartych.
Chcę oszacować średni czas wymagany do przejścia spraw przez system. Ponadto chciałbym sprawdzić, czy sprawy, które zostały odrzucone, potrwają dłużej niż sprawy, które zostały zatwierdzone. (Wydaje się, że sędziowie spędzają więcej czasu na pisaniu raportów tych, których ostatecznie nie zatwierdzają lub szukają dodatkowej dokumentacji).
Oczywiście nie wiem, czy przypadki, które były jeszcze otwarte po zakończeniu badania, zostałyby zatwierdzone, czy nie, więc zmienna towarzysząca (zatwierdzaj / nie zatwierdzaj) jest cenzurowana wraz z danymi.
Czy mogę coś z tym zrobić?
Odpowiedzi:
@jsk ma klucz w swoim komentarzu do odpowiedzi @Alexis. Odpowiednim rodzajem analizy przeżycia do zastosowania w tym przypadku jest ryzyko konkurencyjne. Masz trzy możliwe wyniki: a) zaakceptowane, b) odrzucone oraz c) prawe cenzury.
Kluczem jest to, że zaakceptowane / odrzucone nie są pojedynczą zmienną towarzyszącą, lecz raczej dwoma konkurującymi ze sobą ryzykami. Jest to dość łatwe w większości programów statystycznych. Na przykład w R w
survival
pakiecie, po prostu zakodować zdarzenie jako czynnik z poziomamicensored
,accepted
orazrejected
. (censored
musi być pierwszym poziomem, zakłada się, że inne poziomy stanowią konkurencyjne ryzyko).źródło
Jeśli cię rozumiem, jest to dość standardowa analiza przeżycia / analiza historii zdarzeń - cenzura prawidłowa; Kaplan-Meyer, modele zagrożeń dyskretnych w czasie itp. Oceniają „czy i kiedy” zdarzenie ma miejsce, jednocześnie uwzględniając prawidłowe cenzurowanie zdarzenia (tj. Zatwierdzenie przypadku przez użytkownika) poprzez uwzględnienie kurczenia się próbki zagrożonej zdarzeniem w czasie z powodu zarówno wystąpienia zdarzenia, jak i cenzury.
Artykuł w Wikipedii zawiera przyzwoite wprowadzenie. I możesz sprawdzić Singer, JD i Willett, JB (2003). Zastosowana analiza danych podłużnych: zmiana modelowania i występowanie zdarzeń . Oxford University Press, Nowy Jork, NY, który szczegółowo omawia modele historii zdarzeń z czasem dyskretnym i ma wystarczająco przyzwoitą sekcję na temat modeli proporcjonalnych zagrożeń Coxa.
źródło