Studia i Prace WNEiZ US

Wcześniej: Zeszyty Naukowe Uniwersytetu Szczecińskiego. Studia i Prace WNEiZ

ISSN: 2450-7733     eISSN: 2300-4096     DOI: 10.18276/sip.2016.45/2-01
CC BY-SA   Open Access   CEEOL

Lista wydań / nr 45/2 2016
MODELE HAZARDU A MODEL LOGITOW

Rok wydania:2016
Liczba stron:12 (11-22)
Klasyfikacja JEL: C51 J64
Słowa kluczowe: model regresji Coxa hazard empiryczny regresja logistyczna bezrobocie
Cited-by (Crossref) ?:
Autorzy: Beata Bieszk-Stolorz
Uniwersytet Szczeciński

Abstrakt

Celem artykułu jest porównanie dwóch grup modeli stosowanych w analizie historii zdarzeń. Pierwsza z nich to modele z czasem ciągłym opisujące intensywność zachodzenia zjawiska(hazard) w dowolnym momencie czasu. W badaniu wykorzystano model proporcjonalnego hazardu Coxa. Druga grupa to modele z czasem dyskretnym. Analizę oparto na modelu regresji logistycznej (prawdopodobieństwo zajścia zdarzenia w czasie dyskretnym) i modelu hazardu empirycznego(dla danych pogrupowanych). Materiał badawczy stanowiły dane indywidualne osób bezrobotnych zarejestrowanych w PUP w Szczecinie w 2012 roku obserwowane do końca 2013 roku. Wyznaczono intensywność względną wychodzenia z bezrobocia i szansę względną na podjęcie zatrudnienia w zależnoći od płci, wieku, wykształcenia i stażu pracy osoby bezrobotnej.
Pobierz plik

Plik artykułu

Bibliografia

1.Allison, P.D. (1982). Discrete-Time Methods for the Analysis of Event Histories. Sociological Methodology, 13, 61–98.
2.Allison, P.D. (1984). Event History Analysis: Regression for Longitudinal Event Data. Beverly Hills CA: SAGE Publications.
3.Bieszk-Stolorz, B. (2013). Analiza historii zdarzeń w badaniu bezrobocia. Szczecin: Volumina. pl Daniel Krzanowski.
4.Bieszk-Stolorz, B., Markowicz, I. (2012). Modele regresji Coxa w analizie bezrobocia. Warszawa: CeDeWu.
5.Brown, C.C. (1975). On the Use of Indicator Variables for Studying the Time Dependence of Parameters in a Response-Time Model. Biometrics, 31, 863–872.
6.Byar, D.P., Mantel, N. (1975). Some Interrelationships among the Regression Coefficient Estimates Arising in a Class of Models Appropriate to Response-Time Data. Biometrics, 31, 943–947.
7.Cox, D.R. (1972). Regression Models and Life-Tables. Journal of the Royal Statistical Society Series B, 34, 187–220.
8.Frątczak, E., Gach-Ciepiela, U., Babiker, H. (2005). Analiza historii zdarzeń. Elementy teorii, wybrane przykłady zastosowań. Warszawa: Wyd. SGH.
9.Holford, T.R. (1976). Life Tables with Concomitant Information. Biometrics, 32, 587–597.
10.Holford, T.R (1980). The Analysis of Rates and of Survivorship Using Log-Linear Models. Biometrics, 36, 299–305.
11.Mantel, N., Hankey, B. (1978). A Logistic Regression Analysis of Response-Time Data Where the Hazard Function is Time Dependent. Communications in Statistics – Theory and Methods, A7, 333–347.
12.Myers, M.H., Hankey, B.F., Mantel, N. (1973). A Logistic-Exponential Model for Use with Response-Time Data Involving Regressor Variables. Biometrics, 29, 257–269.
13.Prentice, R.L., Gloeckler, L.A. (1978). Regression Analysis of Grouped Survival Data with Application to Breast Cancer Data. Biometrics, 34, 57–67.
14.Thompson, W.A., JR. (1977). On the Treatment of Grouped Observations in Life Studies. Biometrics, 33, 463–470.
15.Yamaguchi, K. (1991). Event History Analysis. Newbury Park CA: SAGE Publications