Cox Oransal Hazard Regresyon Modeli ve Trafik Verilerine Uygulanması

Öz

Yaşam sürdürme analizi, tanımlanan bir olayın belirli bir başlangıç noktasından meydana gelmesine kadar geçen sürelerden oluşan verilerin analizinde kullanılır. Cox Oransal Hazard Regresyon Modeli, yaşam sürdürme analizinde yaşam süresi üzerinde etkili faktörleri belirlemek amacıyla sık kullanılan bir modeldir. Model, açıklayıcı değişkenlerin etki düzeylerini matematiksel olarak modelleyerek, risk düzeylerini belirlemeyi sağlar. Bu çalışmada, Cox Oransal Hazard Regresyon Modeli yapısı, parametre tahminleri, hazard oranları ve oransallık varsayımının test edilmesi incelenmiştir. Uygulamada, kırmızı ışık kural hatası nedeni ile meydana gelen trafik kazalarının tekrarlanmasında etkili olduğu düşünülen değişkenler risklilik düzeyleri bakımından incelenmiş ve Cox Oransal Hazard Regresyon Modeli kullanılarak veri modellenmiştir.

Anahtar Kelimeler

• Yaşam sürdürme analizi
• Cox oransal hazard regresyon modeli
• Trafik kazaları

Cox Proportinal Hazard Regression Model and an Application on Traffic Data

Öz

Survival analysis is used to analyze the data consist of the duration of time until a specified event occurs. Cox Proportional Hazard Regression Model is a widely used method in survival analysis to determine the factors that are effective on survival (failure) time. This method models the independent variables mathematically and determines the risk levels of them. In this study, the form of Cox Proportional Hazard Regression Model, parameter estimation techniques, hazard ratios and testing the proportional hazards assumption are discussed. In application study, the independent variables that are taught to be effective on the repetition of the traffic accidents caused by the red light violation are examined in terms of risk structure and the data is modeled with Cox Proportional Hazard Regression Model.

Anahtar Kelimeler

• Survival analysis
• Cox proportional hazard regression model
• Traffic accidents

Kaynakça

1. Akkaya, Ş., Altıntaş, H., 2001. Türkiye'de karayolu trafik kazaları istatistik analizi, 1989-1999, Çukurova Üniversitesi 5. Ulusal Ekonometri ve İstatistik Sempozyumu, Adana.
2. Collett D., 2003. Modelling Survival Data in Medical Research, Chapman Hall London, 1-271.
3. Cox, D. R., Oakes, D., 1972. Analysis of Survival Data", Chapman Hall, London.
4. Cox, D. R., 1984. Regression models and life tables, Journal of Royal Statistical Society, 187-220.
5. Temel, F., Özcebe, H., 2004. Türkiye'de Karayollarında Trafik Kazaları, Road Traffic Accidents in Turkey.
6. Dünya Sağlık Örgütü, Jacobs ve ark., 2000; Baguley ve ark, 2003; Wegman ve ark., 2004 (ETSC,2001); Peden ve ark., 2004. DSÖ Türkiye İrtibat Ofisi WHO Tercümesi Ankara.
7. Kay, R., 1977. Proportional hazard regressional models and the analysis of censored survival data, Journal of Royal Statistical Society, 227-37.
8. Kleinbaum, D.G., 1982. Survival Analysis: A Self- Learning Text, Springer, 1-350.

9. Lawless, J.F., 1982. Statistical Models and Methods for Life Time Data, Wiley, New York, 578.
10. Lee, E. T., 1992. Statistical Methods for Survival Analysis, Wiley, New York, 340.
11. Özdamar, K., 2003. Spss ile Biyoistatistik, Kaan Kitabevi, 472-502.
12. T.C. İçişleri Bakanlığı Emniyet Genel Müdürlüğü, 2003-2007. Trafik Hizmetleri Başkanlığı, Trafik Eğitim ve Araştırma Dairesi Başkanlığı, Trafik İstatistik Yıllığı.
13. T.C. İçişleri Bakanlığı Emniyet Genel Müdürlüğü, 2006. Eğitim Dairesi Başkanlığı, Polis Dergisi.
14. Torben M., T. H. Scheike, 2006. Dynamic Regression Models for Survival Data, Springer.