अंग्रेजी में कॉक्स आनुपातिक खतरों के मॉडल से खतरनाक अनुपात की रिपोर्ट कैसे करें?

Question

मेरी समझ यह है कि कॉक्स आनुपातिक खतरों के मॉडल से एक खतरनाक अनुपात किसी दिए गए कारक के खतरे की दर को संदर्भ समूह पर प्रभाव की तुलना करता है। आप ऐसे दर्शकों को कैसे रिपोर्ट करेंगे जो आंकड़े नहीं जानते हैं?

आइए एक उदाहरण देने की कोशिश करें। कहते हैं कि हम लोगों को एक अध्ययन में नामांकित करते हैं कि वे कितनी देर पहले एक सोफे खरीदते हैं। हम 3 साल में राइट-सेंसर करते हैं। इस उदाहरण के लिए हमारे पास दो कारक हैं: उम्र <30 या> = 30, चाहे वे एक बिल्ली के मालिक हों। यह संदर्भ समूह के लिए "बिल्ली का मालिक" का खतरनाक अनुपात बताता है (उम्र <30, "खुद की बिल्ली नहीं है") 1.2 है, और महत्वपूर्ण (पी <0.05 कहते हैं)।

क्या मैं यह कहने के लिए सही हूं कि इन सभी का मतलब है: बिल्ली के मालिकों के पास 3 साल के भीतर अधिक घटनाएं (सोफे खरीद) हैं, या कि बिल्ली के मालिकों के लिए समय-से-घटना (सोफे खरीद) तेज है, या उन दो चीजों के कुछ संयोजन?

संपादित करें : मान लीजिए कि घटना अवधि के भीतर सोफे की उनकी पहली खरीद है (यदि कोई होता है)। यह मॉडल हमें समय अवधि के भीतर कई खरीद का विश्लेषण करने में मदद नहीं करता है।

Answer 1

जोखिम अनुपात एक दर अनुपात है। एक दर "घटनाओं प्रति इकाई समय" है। यह देखते हुए कि कॉक्स मॉडल सभी समय बिंदुओं पर आनुपातिक खतरों को निर्दिष्ट करता है, 1.2 का खतरा अनुपात का अर्थ है कि "मालिक बिल्ली" समूह में सोफे खरीदने की दर किसी भी समय बिंदु पर अध्ययन किए गए दर से 20% अधिक है 'टी खुद की बिल्ली' समूह।

तो मैं कहूंगा कि आपका पहला दावा (बिल्ली के मालिकों के पास 3 साल के भीतर और अधिक इवेंट्स [काउच खरीद] है) सही है, सिवाय इसके कि 3 साल के भीतर और अधिक इवेंट होने के अलावा, उनके पास उस समय के भीतर किसी भी समय अधिक इवेंट्स (तात्कालिक) खतरा)। एक सूक्ष्म अंतर, शायद।

मुझे लगता है कि निष्कर्ष यह है कि बिल्लियों की वजह से नुकसान अधिक सोफे खरीद हो सकता है? :)

Comments

इसलिए यदि दो समूहों में समान संख्या में घटनाएँ होती हैं, लेकिन उनमें से सभी अभी ठीक से हुई हैं, और दूसरे छोर पर, खतरा अनुपात 1 होगा? यही है, समय-समय पर होने वाली घटना खतरनाक अनुपात को प्रभावित नहीं करती है?

— dfrankow

उस प्रकार का डेटा कॉक्स मॉडल की आनुपातिक खतरों को पूरा नहीं करेगा और एक अलग मान लिया गया वितरण का उपयोग करके मॉडल से बेहतर होगा।

— pmgjones

अहा, अच्छी बात है। इसलिए, यह सच है कि समय-समय पर होने वाली घटना खतरनाक अनुपातों को प्रभावित नहीं करती है (सिवाय परोक्ष रूप से घटनाओं के # अंतर के) के?

— dfrankow

.. क्योंकि यह आनुपातिक खतरों (कॉक्स मॉडल धारणा) की धारणा है?

— dfrankow

यह कथन कि 'बिल्ली के मालिकों के 3 साल के भीतर अधिक घटनाएँ' हो सकती हैं, गलत समझा जा सकता है क्योंकि कुछ व्यक्तिगत बिल्ली के मालिक एक से अधिक सोफे खरीद रहे हैं (बिल्ली के मालिक के रूप में, मैं इसकी सलाह नहीं देता!)। कॉक्स मॉडल आमतौर पर मृत्यु दर पर लागू होता है (आप जाहिर तौर पर केवल एक बार मरते हैं) जहां इस तरह की अस्पष्टता नहीं होनी चाहिए।

— shabbychef

Answer 2

शुद्ध स्तर के दर्शकों के लिए, मैं "बिल्ली मालिकों के साथ गैर-बिल्ली मालिकों की तुलना में सोफे खरीदने की संभावना 1.2 गुना हूं।"

"अध्ययन की अवधि के दौरान किसी भी बिंदु पर टी" जैसी चीजें, या एक खतरे के विचार को परिभाषित करने की कोशिश कर रहा है, ज्यादातर लोगों के लिए सॉसेज बनाने के लिए थोड़ा करीब हो रहा है, और उन्हें आपके परिणामों के मूल को समझने के लिए आगे नहीं बढ़ाएगा - जो इस तरह सारांश का वास्तविक बिंदु है।

Comments

जिसको इस बात के लिए उकसाया गया था, यह मेरे लिए एक पूरी तरह से ठीक प्रतिक्रिया की तरह लगता है, और इस बात का औचित्य है कि डाउनवोट क्यों दिया गया था। @ EpiGrad, मैंने आम बोलचाल की भाषा "सॉसेज बनाने के करीब" कभी नहीं सुना है, क्या आप जानते हैं कि यह कहावत कहाँ से आती है?

— एंडी डब्ल्यू

विश्वास मत के लिए धन्यवाद :) यह कहावत का एक अनुकूलन "दो चीजें हैं जो आप जानना नहीं चाहते हैं कि वे कैसे बने थे, कानून और सॉसेज" - मैंने सुना है कि कई लोग इसे आंकड़ों के अनुकूल बनाते हैं।

— 20

Answer 3

बता दें कि एक इंडिकेटर वैरिएबल है, होने पर अगर उस व्यक्ति के पास एक बिल्ली है, और अन्यथा। आपका रिजल्ट है1 $X$$1$$0$

$\frac{h(t | X = 1)}{h(t | X = 0)} = 1.2 \hspace{2cm}$ (१)

जहां है खतरा समारोह समय में मूल्यांकन किया है के साथ उन लोगों के लिए । t X = $h(t | X=x)$$t$$X = x$

इधर, समय में खतरा , ज (टी), है सशर्त instantanenous संभावना समय में एक सोफे खरीदने की , यह देखते हुए कि आप अभी भी इसे समय से तुरंत पहले नहीं खरीदा था ।टी $t$$t$$t$

शब्दों में, (1) किसी भी व्यक्ति के लिए किसी भी समय एक सोफे खरीदने के खतरों का अनुपात है, जो एक व्यक्ति के लिए बिल्ली के सापेक्ष है, जिसके पास बिल्ली नहीं है।

वैकल्पिक रूप से, यह राज्यों को किसी भी समय एक सोफे खरीदने का खतरा है कि एक व्यक्ति जो एक बिल्ली है के लिए एक व्यक्ति जो एक बिल्ली नहीं है की तुलना में बेहतर है।$t$

अब, यह जांचना दिलचस्प हो सकता है कि क्या यह खतरनाक अनुपात से काफी अलग है । यदि नहीं, तो बिल्ली का बच्चा सोफे खरीदने के खतरे को प्रभावित नहीं करता है। यह उस खतरनाक अनुपात के लिए विश्वास अंतराल का निर्माण करके किया जा सकता है।$1$

Comments

मैं आपके तथ्यों से असहमत नहीं हूं, लेकिन आपकी अंग्रेजी सारांश एक गैर-सांख्यिकीविद् के लिए पढ़ना आसान नहीं लगता है: 1) "बिल्ली के रिश्तेदार वाले किसी व्यक्ति के लिए किसी भी समय सोफे खरीदने के खतरों का अनुपात एक व्यक्ति के पास एक बिल्ली नहीं है ""; 2) "बिल्ली खरीदने वाले व्यक्ति के लिए किसी भी समय सोफे खरीदने का खतरा, उस व्यक्ति की तुलना में बेहतर है, जिसके पास बिल्ली नहीं है" ?? याद रखें, यह सवाल गैर-तकनीकी दर्शकों के लिए अंग्रेजी में कैसे वाक्यांश है।

— dfrankow

@dfrankow: मैं असहमत हूं: यह तकनीकी नहीं है, लेकिन "कठोर" है। यदि आप खतरे के बारे में नहीं बोलना चाहते हैं, तो आपको कॉक्स मॉडल का उपयोग नहीं करना चाहिए ...

— ocram

मैं dfrankow के साथ समझौता कर रहा हूं - उचित सांख्यिकीय परीक्षण का चयन करने और उस परिणाम को एक आम दर्शकों तक पहुंचाने के बीच एक बड़ा अंतर है। और इस मामले में, "कठोर" है और कई दर्शकों के लिए प्रतिकूल - तकनीकी।

— 23

@ ईपीगार्ड: मैं मानता हूं कि एक आम दर्शकों के लिए आंकड़ों का संचार करना मुश्किल है। लेकिन फिर भी, यह सांख्यिकीविद् का कर्तव्य है कि वे परिणामों की कठोरता से व्याख्या करें। अन्यथा, सॉफ्टवेयर उन्हें बदल देगा! "बिल्ली के मालिकों को गैर-बिल्ली के मालिकों की तुलना में सोफे खरीदने की संभावना 1.2 गुना है।" अनुवाद किया जाएगा "Pr (एक काउच खरीदो। बिल्ली) = 1.2 Pr (एक सोफे थपथपाओ। बिल्ली नहीं)"। यह नहीं है कि dfrankow क्या संवाद करना चाहता है ...

— ocram