मैं एक लॉजिस्टिक रिग्रेशन मॉडल का उपयोग करके असतत समय उत्तरजीविता विश्लेषण करने का प्रयास कर रहा हूं, और मुझे यकीन नहीं है कि मैं पूरी तरह से प्रक्रिया को समझता हूं। मैं कुछ बुनियादी सवालों के साथ सहायता की बहुत सराहना करूंगा।
यहाँ सेट है:
मैं एक समूह में पांच साल की समय खिड़की में सदस्यता देख रहा हूं। प्रत्येक सदस्य के पास प्रत्येक महीने सदस्यता का मासिक रिकॉर्ड होता है जो सदस्य समूह में होता है। मैं उन सभी सदस्यों पर विचार कर रहा हूँ जिनकी सदस्यता पाँच वर्ष की खिड़की के दौरान शुरू हुई थी (पहले से जुड़े सदस्यों के साथ "बाएं सेंसरशिप" के मुद्दों से बचने के लिए)। प्रत्येक रिकॉर्ड को समय के साथ अनुक्रमित किया जाएगा, समय के साथ वह महीना जिसमें सदस्य शामिल हुए। तो, एक सदस्य जो ढाई साल तक रहता है उसके पास तीस मासिक रिकॉर्ड होंगे, जिनकी संख्या एक से तीस तक होती है। प्रत्येक रिकॉर्ड को एक बाइनरी चर भी दिया जाएगा, जिसमें सदस्यता के अंतिम महीने के लिए एक का मूल्य होगा, और अन्यथा शून्य; बाइनरी वैरिएबल के लिए एक का मान उस घटना को चिह्नित करता है जो सदस्य ने समूह को छोड़ दिया है। प्रत्येक सदस्य के लिए जिसकी सदस्यता पाँच वर्ष की विश्लेषण विंडो से आगे जारी है,
तो, लॉजिस्टिक रिग्रेशन मॉडल द्विआधारी घटना चर के मूल्यों की भविष्यवाणी करने के लिए बनाया गया है। अब तक सब ठीक है। बाइनरी प्रेडिक्टिव मॉडल का मूल्यांकन करने के लिए विशिष्ट तरीकों में से एक होल्डआउट नमूना पर लिफ्ट को मापना है। सदस्यता खत्म होने की घटना की भविष्यवाणी करने के लिए मैंने जो लॉजिस्टिक रिग्रेशन मॉडल बनाया है, उसके लिए मैंने इवेंट के लिए गैर-ईवेंट के पांच से एक अनुपात के साथ एक होल्डआउट डेटा पर लिफ्ट की गणना की है। मैंने भविष्यवाणी के मूल्यों को डिकाइल में स्थान दिया। उच्चतम अनुमानित मूल्यों के साथ निर्णय में सत्तर प्रतिशत वाले होते हैं, चार से अधिक की लिफ्ट। पहले दो निर्णयों के संयुक्त भाग में सभी में पैंसठ प्रतिशत शामिल हैं। कुछ संदर्भों में यह एक काफी सभ्य भविष्य कहनेवाला मॉडल माना जाएगा, लेकिन मुझे आश्चर्य है कि क्या यह एक जीवित विश्लेषण करने के लिए पर्याप्त है।
चलो व्यक्ति के लिए खतरा समारोह हो महीने में , और संभावना हो कि व्यक्ति महीने के माध्यम से जीवित रहने ।जे के एस [ जे , के ] जे के
यहाँ मेरे मौलिक प्रश्न हैं:
असतत खतरा कार्य, , प्रत्येक महीने में गैर-जीवित रहने (समूह को छोड़ने) की सशर्त संभावना है?
क्या हवादार फ़ंक्शन के लॉजिस्टिक रिग्रेशन मॉडल अनुमान से अनुमानित मूल्य हैं? (यानी, h [j, k] महीने k में अलग-अलग j के लिए मॉडल की अनुमानित कीमत के बराबर है , या क्या खतरे के कार्य का अनुमान प्राप्त करने के लिए कुछ और करने की आवश्यकता है?)
व्यक्ति के लिए महीने के क्ष को अस्तित्व ऊपर की संभावना है एक के उत्पाद शून्य माह एक अप करने के लिए से खतरा समारोह के बराबर , यह है कि, करता है ?क्ष एस [ j , क्ष ] = ( 1 - ज [ j , 1 ] ) ⋅ ( 1 - ज [ j , 2 ] ) ⋅ ... ⋅ ( 1 - ज [ j , क्ष ] )
की औसत मान है सभी व्यक्तियों से अधिक हर बार के लिए कुल आबादी मतलब अस्तित्व संभावना का एक उचित अनुमान?जे के
मासिक कपलान-मेयर ग्राफ के समान महीने भर की कुल आबादी के अस्तित्व की संभावना बचनी चाहिए?
यदि इनमें से किसी भी प्रश्न का उत्तर नहीं है, तो मुझे एक गंभीर गलतफहमी है, और वास्तव में कुछ सहायता / स्पष्टीकरण का उपयोग कर सकता है। इसके अलावा, क्या बाइनरी प्रेडिक्टिव मॉडल को एक सटीक उत्तरजीविता प्रोफ़ाइल बनाने के लिए कितना अच्छा होना चाहिए, इसके लिए अंगूठे का कोई नियम है?