Počet záznamů: 1  

Comparison of Parametric and Semiparametric Survival Regression Models with Kernel Estimation

  1. 1.
    SYSNO ASEP0541888
    Druh ASEPJ - Článek v odborném periodiku
    Zařazení RIVJ - Článek v odborném periodiku
    Poddruh JČlánek ve WOS
    NázevComparison of Parametric and Semiparametric Survival Regression Models with Kernel Estimation
    Tvůrce(i) Selingerová, I. (CZ)
    Katina, Stanislav (UIVT-O) SAI, ORCID, RID
    Horová, I. (CZ)
    Celkový počet autorů3
    Zdroj.dok.Journal of Statistical Computation and Simulation. - : Taylor & Francis - ISSN 0094-9655
    Roč. 91, č. 13 (2021), s. 2717-2739
    Poč.str.23 s.
    Forma vydáníTištěná - P
    Jazyk dok.eng - angličtina
    Země vyd.GB - Velká Británie
    Klíč. slovaSurvival analysis ; hazard function ; Kernel estimation ; simulations ; Cox model
    Vědní obor RIVBB - Aplikovaná statistika, operační výzkum
    Obor OECDStatistics and probability
    Způsob publikováníOpen access
    Institucionální podporaUIVT-O - RVO:67985807
    UT WOS000638231000001
    EID SCOPUS85104074971
    DOI https://doi.org/10.1080/00949655.2021.1906875
    AnotaceThe modelling of censored survival data is based on different estimations of the conditional hazard function. When survival time follows a known distribution, parametric models are useful. This strong assumption is replaced by a weaker in the case of semiparametric models. For instance, the frequently used model suggested by Cox is based on the proportionality of hazards. These models use non-parametric methods to estimate some baseline hazard and parametric methods to estimate the influence of a covariate. An alternative approach is to use smoothing that is more flexible. In this paper, two types of kernel smoothing and some bandwidth selection techniques are introduced. Application to real data shows different interpretations for each approach. The extensive simulation study is aimed at comparing different approaches and assessing their benefits. Kernel estimation is demonstrated to be very helpful for verifying assumptions of parametric or semiparametric models and is able to capture changes in the hazard function in both time and covariate directions.
    PracovištěÚstav informatiky
    KontaktTereza Šírová, sirova@cs.cas.cz, Tel.: 266 053 800
    Rok sběru2022
    Elektronická adresahttp://dx.doi.org/10.1080/00949655.2021.1906875
Počet záznamů: 1  

  Tyto stránky využívají soubory cookies, které usnadňují jejich prohlížení. Další informace o tom jak používáme cookies.