On Robust Inference for the Cox Model - the Coxrobust Package

• Autorzy: Tadeusz Bednarski , Filip Borowicz
• Języki publikacji: EN

Abstrakty

EN

A methodology supporting the COXROBUST package, designed for the robust inference in the Cox regression model, is presented. Basic functions of the package and its data analytic capabilities are described. (original abstract)

Pierwsza części wykładu będzie prezentacją programu statystycznego służącego odpornej estymacji w modelu Cox'a - aplikacja opracowana na podstawie metody T. Bednarskiego (1993). Program ten została dołączony do zestawu pakietów statystycznych języka R, budowanego w ramach otwartego projektu. Teoretyczna część wykładu poświęcona będzie zagadnieniu odpornej weryfikacji istotności modelu Cox'a. Przedstawione będą wyniki analityczne związane z granicznym rozkładem stosownie zmodyfikowanej statystyki Walda - bazującej na odpornej estymacji parametrów regresji w modelu Cox'a. Ponadto zaprezentowane będą wyniki Monte Carlo umożliwiające ocenę stopnia bliskości rozkładu asymptotycznego z wynikami empirycznymi dla skończonych prób. Zaproponowana statystyka testowa została dołączona do wspomnianego wcześniej pakietu statystycznego. (abstrakt oryginalny)

Słowa kluczowe

EN

Cox proportional hazard model; Statistical package; Robust statistical methods; Monte Carlo method

PL

Model proporcjonalnego hazardu Coxa; Pakiet statystyczny; Odporne metody statystyczne; Metoda Monte Carlo

• Czasopismo: Acta Universitatis Lodziensis. Folia Oeconomica
• Rocznik: 2008
• Tom: 216 Multivariate Statistical Analysis Statistical Inference, Statistical Models and Applications
• Strony: 31--37

Twórcy

autor

Tadeusz Bednarski

• Wrocław University of Economics, Poland

autor

Filip Borowicz

• Wrocław University of Economics, Poland

Bibliografia

• Bednarski T. (1989), On sensitivity of Cox's estimator, Statistics and Decisions. 7, 215-228.
• Bednarski T. (1993), Robust estimation in Cox's regression model, Scandinavian Journal of Statistics 20,213-225.
• Bednarski T., Mocarska E. (2006), On robust model selection within the Cox model, Econometrics Journal, Vol. 9, Issue 2, 279-290.
• Breslow N.E. (1974), Covariance analysis of censored survival data, Biometrics 30, 579-594.
• Cox D. (1975), Partial likelihood, Biometrika 62(2), 269-276.
• Cox, D.R. (1972), Regression models and life tables, Journal of the Royal Statistical Society, Series B, 34, 187-220.
• Grzegorek K. (1993), On robust estimation of baseline hazard under the Cox model and via Fréchet differentiability. Preprint of the Institute of Mathematics of the Polish Academy of Sciences, 518.
• Krug В. (1998), Robust Estimation in Selected Additive Models, Institute of Mathematics of the Polish Academy of Sciences, PhD thesis.
• Lin D.Y. (1991), Goodness-of-fit analysis for the Cox regression model based on a class of parameter estimators, J. Amer. Statist. Assoc 86, 725-729.
• Minder Ch. and Bednarski T. (1996), A robust method for proportional hazards regression, Statistics in Medicine 15, 1033-1047.
• Reid N. and Crépeau H. (1985), Influence functions for proportional hazards regression, Biometrika 72, 1-9.
• Samuels S. (1978), Robustness for survival estimators, Unpublished Ph.D. thesis. Dept. of Biostatistics, Univ. of Washington.