Models of Multiple Events in the Analysis of Subsequent Registrations in the Labour Office

• Autorzy: Beata Bieszk-Stolorz

Warianty tytułu

Modele zdarzeń wielokrotnych w analizie powtórnych rejestracji w urzędzie pracy

• Języki publikacji: EN

Abstrakty

EN

In many fields of science, it is necessary to analyse recurrent events. In medical science, the problem is to assess the risk of chronic disease recurrence. In economic and social sciences, it is possible to analyse the time of entering and leaving the sphere of poverty, the time of subsequent guarantee or insurance claims, as well as the time of subsequent periods of unemployment. In these studies, there are different ways of defining risk intervals, i.e. the time frame over which an event is at risk (or likely to occur) for an entity. Research on registered unemployment in Poland shows a high percentage of people returning to the labour office and registering again. The aim of the article is assessment of the risk of subsequent registrations in the labour office depending on selected characteristics of the unemployed: gender, age, education, and seniority. In the study, methods of survival analysis were used. The results obtained for four models being an extension of the Cox proportional hazard model were compared. The Anderson-Gil model does not distinguish between first and next events. The number of events that occurred is important. Two Prentince-Williams-Peterson conditional models and the Wei, Lin and Weissfeld models are based on the Cox stratified model. The strata are consecutive events. They differ in the way risk intervals are determined. In the analysed period, only age and education influenced the risk of multiple registrations at the Poviat Labour Office in Szczecin. Gender and seniority did not have a significant impact on this risk. The analysis performed for subsequent registrations confirmed the impact of the same features on the first subsequent registration. In general, it can be stated that the analysed characteristics of the unemployed did not have a significant impact on the second and subsequent returns to the labour office. (original abstract)

W wielu dziedzinach nauki zachodzi konieczność analizy powtarzających się zdarzeń. W naukach medycznych problemem jest ocena ryzyka nawrotu przewlekłej choroby. W naukach ekonomiczno-społecznych analizować można czas kolejnych wejść i wyjść w sferę ubóstwa, czas kolejnych roszczeń gwarancyjnych lub ubezpieczeniowych, a także czas kolejnych okresów bezrobocia. W badaniach tych w różny sposób można definiować przedziały ryzyka, czyli przedział czasu, w którym dla danej jednostki istnieje ryzyko (lub szansa) wystąpienia zdarzenia. Badania bezrobocia rejestrowanego w Polsce wskazują na duży odsetek osób powracających do urzędu pracy i rejestrujących się ponownie. Celem artykułu jest analiza ryzyka kolejnych zarejestrowań w urzędzie pracy w zależności od wybranych cech osób bezrobotnych: płci, wieku, wykształcenia oraz stażu pracy. W badaniu wykorzystano metody analizy trwania. Porównano wyniki otrzymane dla czterech modeli będących rozszerzeniem modelu proporcjonalnego hazardu Coxa. W modelu Andersona-Gila nie rozróżnia się, które zdarzenie wystąpiło jako pierwsze, a które jako kolejne. Istotna jest liczba zdarzeń, które wystąpiły. Dwa modele warunkowe Prentince'a, Williamsa i Petersona oraz Wei, Lin i Weissfelda bazują na warstwowym modelu Coxa. Warstwami są kolejne zdarzenia. Modele te różnią się sposobem wyznaczania przedziałów ryzyka. W analizowanym okresie tylko wiek i wykształcenie wpływały na ryzyko wielokrotnych zarejestrowań w Powiatowym Urzędzie Pracy w Szczecinie. Płeć i staż pracy nie miały na to istotnego wpływu. Analiza wykonana dla kolejnych zarejestrowań potwierdziła wpływ tych samych cech na pierwsze z kolejnych zarejestrowań. Ogólnie można stwierdzić, że analizowane cechy osób bezrobotnych nie miały istotnego wpływu na drugi i kolejne powroty do urzędu pracy. (abstrakt oryginalny)

Słowa kluczowe

EN

Labour offices; Regression models; Multiple regression; Cox proportional hazard model

PL

Urzędy pracy; Modele regresji; Regresja wielokrotna; Model proporcjonalnego hazardu Coxa

• Czasopismo: Acta Universitatis Lodziensis. Folia Oeconomica
• Rocznik: 2020
• Numer: vol. 3, t. 348
• Strony: 131--147

Twórcy

autor

Beata Bieszk-Stolorz

• University of Szczecin, Poland

Bibliografia

• Aalen O. O., Borgan O., Gjessing H. K. (2008), Survival and Event History Analysis. A Process Point of View, Springer, New York.
• Andersen P., Gill R. (1982), Cox's Regression Model for Counting Processes: A Large Sample Study, "The Annals of Statistics", vol. 10, no. 4, pp. 1100-1120, http://dx.doi.org/10.1214/aos /1176345976
• Bieszk-Stolorz B. (2018a), Badanie czasu trwania w bezrobociu z wykorzystaniem modeli regresji dla zdarzeń powtarzających się, "Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu", no. 507, pp. 21-29, http://dx.doi.org/10.15611/pn.2018.507.02
• Bieszk-Stolorz B. (2018b), Stratified Cox Model with Interactions in Analysis of Recurrent Events, "Acta Universitatis Lodziensis. Folia Oeconomica", vol. 3, no. 335, pp. 207-218, http://dx.doi .org/10.18778/0208-6018.335.14
• Bieszk-Stolorz B. (2018c), Ocena wpływu płci na formę wyjścia z bezrobocia, "Wiadomości Statystyczne", vol. 6, no. 685, pp. 23-38.
• Cai J., Schaubel D. (2003), Analysis of Recurrent Event Data, [in:] N. Balakrishnan, C. Rao (eds.), Handbook of Statistics: Advances in Survival Analysis, vol. 23, Elsevier, North Holland, pp. 603-623.
• Cook R. J., Lawless J. F. (2007), The Statistical Analysis of Recurrent Events, Springer, New York.
• Cox D. (1972), Regression Models and Life-Tables, "Journal of the Royal Statistical Society. Series B (Methodological)", vol. 34, no. 2, pp. 187-220.
• Cox D. (1975), Partial likelihood, "Biometrika", vol. 62, no. 2, pp. 269-276, http://dx.doi.org/10.10 93/biomet/62.2.269
• Gałecka-Burdziak E. (2016), Multiple unemployment spells duration in Poland, Collegium of Economic Analysis SGH - Working Papers, no. 19/10.
• Hosmer D. W., Lemeshow S. (1999), Applied Survival Analysis. Regression Modeling of Time to Event Data, John Wiley & Sons, New York.
• Kaplan E. L., Meier P. (1958), Non-parametric estimation from incomplete observations, "Journal of American Statistical Association", vol. 53, no. 282, pp. 457-481, http://dx.doi.org/10.2307 /2281868
• Klein J., Goel P. (eds.) (1992), Survival Analysis: State of the Art, Springer Netherlands, Dordrecht.
• Kleinbaum D., Klein M. (2012), Survival Analysis. A Self-Learning Text, Third Edition, Springer-Verlag, New York.
• Machin D., Cheung Y. B., Parmar M. K.B. (2006), Survival Analysis. A Practical Approach. Second Edition, John Wiley & Sons, Chichester.
• Ozga A., Kieser M., Rauch G. (2018), A systematic comparison of recurrent event models for application to composite endpoints, "BMC Medical Research Methodology", vol. 18, no. 2, https:// doi.org/10.1186/s12874-017-0462-x
• Pepe M. S. (1991), Inference for Events With Dependent Risks in Multiple Endpoint Studies, "Journal of the American Statistical Association", vol. 86, no. 415, pp. 770-778, http://dx.doi.org /10.1080/01621459.1991.10475108
• Prentice R. L., Williams B. J., Peterson A. V. (1981), On the regression analysis of multivariate failure time data, "Biometrika", vol. 68, no. 2, pp. 373-379, https://dx.doi.org/10.1093/biomet/68.2.373
• Sączewska-Piotrowska A. (2015), Badanie ubóstwa z zastosowaniem nieparametrycznej estymacji funkcji przeżycia dla zdarzeń powtarzających się, "Przegląd Statystyczny", R. LXII, z. 1, pp. 29-51.
• Sagara I., Giorgi R., Doumbo O. K., Piarroux R., Gaudart J. (2014), Modelling recurrent events: comparison of statistical models with continuous and discontinuous risk intervals on recurrent malaria episodes data, "Malaria Journal", vol. 13, no. 293, https://doi.org/10.1186/1475 -2875-13-293
• Sousa-Ferreira I., Abreu A. M. (2019), A review of Cox's model extensions for multiple events, "IJRDO - Journal of Applied Science", vol. 5, no. 2, pp. 47-62.
• Therneau T., Grambsch P. (2000), Modeling, Survival Data: Extending the Cox Model, Springer Science & Business Media, New York.
• Wei L., Lin D., Weissfeld L. (1989), Regression Analysis of Multivariate Incomplete Failure Time Data by Modeling Marginal Distributions, "Journal of the American Statistical Association", vol. 84, no. 408, pp. 1065-1073, http://dx.doi.org/10.2307/2290084

Identyfikatory

DOI

10.18778/0208-6018.348.07