Modele hazardu a model logitowy

• Autorzy: Beata Bieszk-Stolorz

Warianty tytułu

Hazard Model Versus Logit Model

• Języki publikacji: PL

Abstrakty

Celem artykułu jest porównanie dwóch grup modeli stosowanych w analizie historii zdarzeń. Pierwsza z nich to modele z czasem ciągłym opisujące intensywność zachodzenia zjawiska (hazard) w dowolnym momencie czasu. W badaniu wykorzystano model proporcjonalnego hazardu Coxa. Druga grupa to modele z czasem dyskretnym. Analizę oparto na modelu regresji logistycznej (prawdopodobieństwo zajścia zdarzenia w czasie dyskretnym) i modelu hazardu empirycznego (dla danych pogrupowanych). Materiał badawczy stanowiły dane indywidualne osób bezrobotnych zarejestrowanych w PUP w Szczecinie w 2012 roku obserwowane do końca 2013 roku. Wyznaczono intensywność względną wychodzenia z bezrobocia i szansę względną na podjęcie zatrudnienia w zależności od płci, wieku, wykształcenia i stażu pracy osoby bezrobotnej.(abstrakt oryginalny)

EN

The aim of the article is the comparison of two groups of models used in the event history analysis. The first one encompasses continuous-time models which describe event intensity (hazard) at any moment of time. The Cox proportional hazard model are used in the study. The second group consists of discrete-time models. The analysis is based on the logistic regression model (the probability of an event to occur at the discrete time) and the empirical hazard model (for the grouped data). The research material includes individual data of the unemployed beneficiaries registered in 2012 by the Poviat Labour Office in Szczecin as observed by the end of 2013. The authors determine the relative unemployment exit intensity and the relative employment odds by the unemployed person's gender, age, education and employment history.(original abstract)

Słowa kluczowe

PL

Model proporcjonalnego hazardu Coxa; Analiza zdarzeń; Modele regresji; Bezrobocie; Model hazardu empirycznego

EN

Cox proportional hazard model; Event study; Regression models; Unemployment; Empirical hazard model

• Czasopismo: Studia i Prace WNEiZ US
• Rocznik: 2016
• Numer: nr 45 T. 2. Metody ilościowe w ekonomii
• Strony: 11--22

Twórcy

autor

Beata Bieszk-Stolorz

• Uniwersytet Szczeciński

Bibliografia

• Allison, P.D. (1982). Discrete-Time Methods for the Analysis of Event Histories. Sociological Methodology, 13, 61-98.
• Allison, P.D. (1984). Event History Analysis: Regression for Longitudinal Event Data. Beverly Hills CA: SAGE Publications.
• Bieszk-Stolorz, B. (2013). Analiza historii zdarzeń w badaniu bezrobocia. Szczecin: Volumina. pl Daniel Krzanowski.
• Bieszk-Stolorz, B., Markowicz, I. (2012). Modele regresji Coxa w analizie bezrobocia. Warszawa: CeDeWu.
• Brown, C.C. (1975). On the Use of Indicator Variables for Studying the Time Dependence of Parameters in a Response-Time Model. Biometrics, 31, 863-872.
• Byar, D.P., Mantel, N. (1975). Some Interrelationships among the Regression Coefficient Estimates Arising in a Class of Models Appropriate to Response-Time Data. Biometrics, 31, 943-947.
• Cox, D.R. (1972). Regression Models and Life-Tables. Journal of the Royal Statistical Society Series B, 34, 187-220.
• Frątczak, E., Gach-Ciepiela, U., Babiker, H. (2005). Analiza historii zdarzeń. Elementy teorii, wybrane przykłady zastosowań. Warszawa: Wyd. SGH.
• Holford, T.R. (1976). Life Tables with Concomitant Information. Biometrics, 32, 587-597.
• Holford, T.R (1980). The Analysis of Rates and of Survivorship Using Log-Linear Models. Biometrics, 36, 299-305.
• Mantel, N., Hankey, B. (1978). A Logistic Regression Analysis of Response-Time Data Where the Hazard Function is Time Dependent. Communications in Statistics - Theory and Methods, A7, 333-347.
• Myers, M.H., Hankey, B.F., Mantel, N. (1973). A Logistic-Exponential Model for Use with Response-Time Data Involving Regressor Variables. Biometrics, 29, 257-269.
• Prentice, R.L., Gloeckler, L.A. (1978). Regression Analysis of Grouped Survival Data with Application to Breast Cancer Data. Biometrics, 34, 57-67.
• Thompson, W.A., JR. (1977). On the Treatment of Grouped Observations in Life Studies. Biometrics, 33, 463-470.
• Yamaguchi, K. (1991). Event History Analysis. Newbury Park CA: SAGE Publications.

Identyfikatory

DOI

10.18276/sip.2016.45/2-01