Aykırı Değer Varlığında Cox Regresyon Analizi için Yeni Bir Yaklaşım

Yıl 2018, Cilt: 22 Sayı: 2, 637 - 643, 15.08.2018

Nesrin Alkan , B. Barış Alkan

Öz

Aykırı değerin varlığı Cox regresyonun en önemli varsayımlarından olan orantılı hazard varsayımının ihlal olmasına ve doğru olmayan tahminlerin ortaya çıkmasına neden olur. Çünkü aykırı değerler, modelin parametrelerinin tahminleri üzerinde güçlü bir etkiye sahiptirler. Bu nedenle veri kümesinde aykırı değerlerin olması araştırmacılar için bir problemdir. Bu çalışmada, aykırı değerlerden dolayı orantılı hazard varsayımının ihlal edilmesi sonucu ortaya çıkan problemin çözümü farklı bir bakış açısıyla ele alınmıştır. Buna göre aykırı değer problemi bir kayıp değer problemi gibi düşünülüp çoklu değer atama yöntemi kullanılarak çözülmüştür. Sonuç olarak Cox regresyon analizinin orantılı hazard varsayımı tehlike altında ise kayıp veri problemlerinde üstün bir performans gösteren çoklu değer atama yöntemi ile elde edilen tahminler kullanılarak problemin çözülmesi önerilmektedir.

Anahtar Kelimeler

Cox regresyon analizi, Çoklu değer atama yöntemi; Aykırı değer; Kayıp değer

Kaynakça

• [1] Alkan, B.B., Atakan C., Alkan, N. 2015. A Comparison of Different Procedures for Principal Component Analysis in the Presence of Outliers, Journal of Applied Statistics,Vol. 42, No. 8, 1716–1722.
• [2] Alkan, N., Terzi, Y., Cengiz, M. A., Alkan B B. 2013. Comparison of Missing Data Analysis Methods in Cox Proportional Hazard Models. Turkiye Klinikleri Journal of Biostatistic, 5(2), 49-54.
• [3] R Development Core Team 2011. R: A language and Environment for Statistical Computing. R Foundation for Statistical Computing, Vienna
• [4] SAS Institute, SAS 9. 3 2011. Output Delivery System: User’s Guide, SAS institute, North Carolina
• [5] Sınayış, B., Erkut, H., 2009. Türkiye'de organizasyonel sürekliliği etkileyen faktörlerin incelenmesi, İTÜ Mühendislik Dergisi, 8 (1), 95-104.
• [6] Cox, D.R., 1972. Regression models and life tables. Journal of the Royal Statistical Society, 34, 187-220.
• [7] Kleinbaum, D.G., Klein, M., 1996. Survival Analysis, A Self Learning Text. Springer, 124 s, USA.
• [8] Rubin, D.B. 1987. Multiple Imputation for Nonresponse in Surveys, Wiley&Sons, New York.
• [9] Schafer, J.L. 1997. Analysis of Incomplete Multivariate Data, Chapman&Hall, London.
• [10] Enders, C.K., 2010. Applied Missing Data Analysis. Guilford Pres, s:165-286, New York.
• [11] Schoenfeld, D., 1982. Partial residuals for the proportional hazards regression model, Biometrika , 69, 239-241.
• [12] Yay, M., Çoker, E., Uysal, Ö., 2007. Yaşam Analizinde Cox Regresyon Modeli ve Artıkların İncelenmesi, Cerrahpaşa Tıp Dergisi, 38(4).
• [13] Hosmer D.W., & Lemeshow S. 1999. Applied survival analysis: regression modeling of time to event data. Wiley, John Wiley&Sons, Incorporated, Canada.
• [14] Karasoy D., Tuncer N., 2015. Outliers in survival analysis", Alphanumeric Journal, 3(2), 139-152.