Regresi Kuantil Tersensor

ABDULLAH, Prof.Drs. Suryo Guritno, M.Stats.,Ph.D

2005 | Tesis | S2 Matematika

Penggunaan metode Portnoy untuk menyensor regresi kuantil pada penelitian survival khususnya pada himpunan data yang besar merupakan komplemen yang berharga untuk model Cox klasik berbanding resiko. Di sini terjadi suatu proses secara berulang terhadap pembobotan kembali estimator regresi quantile, yang dikembangkan sebagai generalisasi langsung estimator Kaplan-Meier. Perilaku asymtotik dapat disamakan dengan estimator Kaplan- Meier, dan terutama perhitungannya ekuivalen dengan metode simplex untuk memproses kuantil dalam kasus yang tidak disensor. Dengan demikian, metode tersebut sangat potensial sebagai komplemen penggunaan model Cox.

Using Portnoy method for censored regression quintiles of survival research, specifically for the wide datasets is a valuable complement to the Cox proportional hazard model. Here, there is a recursively reweighed estimator of the regression quintile process developed as a direct generalization of the Kaplan- Meier estimator. Specifically, asymotic behavior is analogous to the Kaplan- Meier estimator and the computation is equivalent to the simplex methods for the quintile process in uncensored case. So, the method is strong potential as a complement of the Cox’s model use.

Kata Kunci : Algoritma, Estimator Kaplan-Meier, Model Cox, Regresi kuartil, Sensor data, Algorithm, Cox’s model, Kaplan-Meier estimator, Regression quartiles, Sensored Data