タグ付けされた質問 「time-varying-covariate」

私は、各ラウンドの後に5ラウンド以上の賭けで損耗を伴う一連の勝ち負けの賭けに関するデータを持っています。次のようなディシジョンツリーを使用してデータを表示しています。 ツリーの上部にあるノードは、勝ちの賭けをしているノードであり、ツリーの下部にあるノードは、負けの賭けの実行を持っています。（a）各ノードでの消耗（b）各ノードでの平均ベットサイズの変化を確認したいと思います。前のノードからの各ノードの消耗率と生存率（確率が50％の場合に各ノードで予想される人数を使用）を調べています。たとえば、確率が各ノードで50％の場合、開始された1000のうち、約500人が2番目のノードWとLにいるはずです。仮説は（a）損耗率賭け（b）は、賭けのサイズが敗者の後に減少し、勝者の後に引き上げられることを意味します。 最初に、これを非常に単純な一変量設定で実行したいだけです。50人が脱落した場合、ノードWWからノードWWWへの平均ベットサイズの変化が統計的に有意であることを示すために、どのようにt検定を実行できますか？これが正しいアプローチであるかどうかはわかりません。後続の各ベットは独立していますが、敗者の後に人々は脱落しているため、サンプルは一致しません。同じクラスが一連の試験を次々と受験し、誰も脱落することのない場合であれば、適切なt検定の実行方法は理解できますが、これは少し異なると思います。 これどうやってするの？また、結果が少数の顧客によって歪められている場合、どうすれば上位5％と下位5％を取り除くことができますか？累積賭け金が最も高い顧客をベット1-3から削除するだけですか？ 図が生成された元のデータがあるので、各ノードに平均値、標準誤差、標準誤差などがあります。

10 t-test  survival  panel-data  time-varying-covariate 

時間依存の共変量を含むCox比例ハザードモデルから生存時間を生成したい。モデルは h(t|Xi)=h0(t)exp(γXi+αmi(t))h(t|Xi)=h0(t)exp⁡(γXi+αmi(t))h(t|X_i) =h_0(t) \exp(\gamma X_i + \alpha m_{i}(t)) ここで、はBinomial（1,0.5）およびます。XiXiX_imi(t)=β0+β1Xi+β2Xitmi(t)=β0+β1Xi+β2Xitm_{i}(t)=\beta_0 + \beta_1 X_{i} + \beta_2 X_{i} t 真のパラメータ値は、として使用されますγ=1.5,β0=0,β1=−1,β2=−1.5,h0(t)=1γ=1.5,β0=0,β1=−1,β2=−1.5,h0(t)=1\gamma = 1.5, \beta_0 = 0, \beta_1 = -1, \beta_2 = -1.5, h_0(t) = 1 時間に依存しない共変量（つまり、、次のように生成しましたh(t|Xi)=h0(t)exp(γXi)h(t|Xi)=h0(t)exp⁡(γXi)h(t|X_i) =h_0(t) \exp(\gamma X_i) #For time independent case # h_0(t) = 1 gamma <- -1 u <- runif(n=100,min=0,max=1) Xi …

9 r  survival  cox-model  time-varying-covariate 

時系列G tと共変量B tがあるとします。ARMAモデルによってそれらの間の関係を見つけたい： G T = Z T +β 0 +β 1 B T ここで、残差Z tはいくつかのARMAプロセスに従います。 問題がある：私は確かに知っているβ 0及びβ 1年の時間とともに変化します。それでも、月ごとに個別のモデルをあてはめたくありません。これは、時系列に不連続性をもたらすため、最終的な残差の自己相関関数を計算できないためです。 それで、共変量の相関係数を季節的に変化させることができる時系列モデル（またはモデルのファミリー、不思議）はありますか？ ======================== 編集：ここに答えてくれてありがとう。季節限定のダミーを使うことにしたのですが、忙しかったので間に合いませんでした。

8 time-series  correlation  econometrics  arima  time-varying-covariate 

cox回帰を使用するために、Rで時間依存の共変量を生成する方法がわかりません。 データセットをイベント時間の間隔に再編成する必要があることは知っています。これは、浮かぶチュートリアルで私ができると信じています。その後、行き詰まりましたが。それで？各共変量について、特定の時間間隔ごとにその値を計算する必要がありますか？どうすればいいですか？データベースに戻って、脈拍数が記録された日付を取得し、日付に基づいて脈拍値を更新する必要がありますか？ 時間依存の共変量を実行する場合、データベースに戻って日付/時刻情報をさらに抽出し、すべての共変量情報を更新する必要があることを確認したいだけです。基本的に、データセットを「長い」形式に変換するチュートリアルは、私がする必要がある唯一のものではありませんよね？

7 data-transformation  cox-model  time-varying-covariate