Zastosowanie metod analizy trwania w badaniu form wychodzenia z bezrobocia

• Authors: Bieszk-Stolorz Beata

Abstracts

PL

Celem artykułu jest przedstawienie wybranych metod analizy trwania do oceny prawdopodobieństwa wyjścia z bezrobocia dla różnych rodzajów ryzyka konkurującego. W badaniu wykorzystano funkcję skumulowanej częstości i skumulowane prawdopodobieństwo warunkowe oraz dopełnienie do jedności estymatora Kaplana-Meiera. Za pomocą trzech estymatorów porównano prawdopodobieństwo wyrejestrowania z powodu podjęcia pracy, wykreślenia i pozostałych przyczyn. Analizę przeprowadzono na podstawie danych indywidualnych osób zarejestrowanych w Powiatowym Urzędzie Pracy w Szczecinie.

EN

The purpose of this article is to present selected methods of the survival analysis to evaluate the probability of leaving unemployment for the various types of competing risks. Complement to the unity of the Kaplan-Meier estimator, cumulative incidence function and cumulative conditional probability were used in the study. With these three estimators, the probability of deregistering caused by undertaking work, refusal and other causes were compared. The analysis was based on data from the Powiat Labour Office in Szczecin.

Keywords

EN

Kaplan-Meier estimator; cumulative incidence function; cumulative; conditional probability; competing risks; unemployment

PL

estymator Kaplana-Meiera; funkcja skumulowanej częstości; skumulowane prawdopodobieństwo warunkowe; ryzyko konkurujące; bezrobocie

• Publisher: Główny Urząd Statystyczny
• Journal: Wiadomości Statystyczne. The Polish Statistician
• Year: 2017
• Issue: 8

Contributors

author

Bieszk-Stolorz Beata

• Uniwersytet Szczeciński

References

• Aly, E.A.A., Kochar, S., McKeague, E. (1994). Some Tests for Comparing Cumulative Incidence Functions and Cause-Specific Hazard Rates. Journal of the American Statistical Association, Vol. 89, No. 427.
• Bieszk-Stolorz, B. (2013). Analiza historii zdarzeń w badaniu bezrobocia. Szczecin: Volumina.pl Daniel Krzanowski.
• Bieszk-Stolorz, B., Markowicz, I. (2012a). Modele regresji Coxa w analizie bezrobocia. Warszawa: CeDeWu.
• Bieszk-Stolorz, B., Markowicz, I. (2012b). Wykorzystanie wielomianowego modelu logitowego do oceny szansy podjęcia pracy przez bezrobotnych. W: K. Jajuga, M. Walesiak (red.), Taksonomia 19. Klasyfikacja i analiza danych — teoria i zastosowania. Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu, nr 242.
• Bryant, J., Dignam, J.J. (2004). Semiparametric models for cumulative incidence functions. Biometrics, Vol. 60, No. 1.
• Crowder, M. (1994). Identifiability Crises in Competing Risks. International Statistical Review, Vol. 62, No. 3.
• Crowder, M. (1996). On assessing independence of competing risks when failure times are discrete. Lifetime Data Analysis, Vol. 2, No. 2.
• Crowder, M. (1997). A test for independence of competing risks with discrete failure times. Lifetime Data Analysis, Vol. 3, No. 3.
• Gooley, T.A., Leisenring, W., Crowley, J., Storer, B.E. (1999). Estimation of failure probabilities in the presence of competing risks: new representations of old estimators. Statistics in Medicine, Vol. 18, No. 6.
• Kalbfleisch, J.D., Prentice, R.L. (2002). The Statistical Analysis of Failure Time Data. Second Edition. Hoboken: John Wiley & Sons.
• Kaplan, E.L., Meier, P. (1958). Non-parametric estimation from incomplete observations. Journal of American Statistical Association, Vol. 53.
• Klein, J.P., Bajorunaite, R. (2004). Inference for Competing Risks. W: N. Balakrishnan, C.R. Rao (red.), Handbook of Statistics: Advances in Survival Analysis, Vol. 23. Elsevier.
• Klein, J.P., Moeschberger, M.L. (1984). Asymptotic bias of the product limit estimator under dependent competing risks. Indian Journal of Productivity, Reliability and Quality Control, Vol. 9.
• Klein, J.P., Moeschberger, M.L. (2003). Survival Analysis: Techniques for Censored and Truncated Data. Second Edition. Nowy Jork: Springer-Verlag.
• Kleinbaum, D., Klein, M. (2005). Survival Analysis. A Self-Learning Text. Springer.
• Landmesser, J.M. (2008a). Aktywność ekonomiczna ludności: klasyfikacja osób za pomocą wielomianowych modeli logitowych oraz jej związek z modelami hazardu dla czasów trwania. W: K. Jajuga, M. Walesiak (red.), Taksonomia 15. Klasyfikacja i analiza danych — teoria i zastosowania. Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu, nr 7.
• Landmesser, J.M. (2008b). Modele ryzyka konkurencyjnego dla czasu trwania czynności. W: T. Trzaskalik (red.), Modelowanie preferencji a ryzyko ’08. Prace Naukowe Akademii Ekonomicznej w Katowicach.
• Landmesser, J. (2013). Wykorzystanie metod analizy czasu trwania do badania aktywności ekonomicznej ludności w Polsce. Warszawa: Wydawnictwo SGGW.
• Markowicz, I. (2012). Statystyczna analiza żywotności firm. Wydawnictwo Naukowe Uniwersytetu Szczecińskiego.
• Marubini, E., Valsecchi, M. (1995). Analysing Survival Data from Clinical Trials and Observational Studies. John Wiley & Sons.
• Matuszyk, A. (2015). Zastosowanie analizy przetrwania w ocenie ryzyka kredytowego klientów indywidualnych. Warszawa: CeDeWu.
• Pepe, M.S. (1991). Inference for Events with Dependent Risks in Multiple Endpoint Studies. Journal of the American Statistical Association, Vol. 86, No. 415.
• Pepe, M.S., Mori, M. (1993). Kaplan-Meier, marginal or conditional probability curves in summarizing competing risks failure time data? Statistics in Medicine, Vol. 12.
• Sączewska-Piotrowska, A. (2016). Dynamika ubóstwa w miejskich i wiejskich gospodarstwach domowych. Wiadomości Statystyczne, nr 7, s. 39—59.
• Sherif Bintu, N. (2008). A comparison of Kaplan-Meier and cumulative incidence estimate in the presence or absence of competing risks in breast cancer data. Master’s Thesis, University of Pittsburgh.
• Wycinka, E. (2015). Modelowanie czasu do zaprzestania spłat rat kredytu lub wcześniejszej spłaty kredytu jako zdarzeń konkurujących. Problemy Zarządzania, Vol. 13, nr 3 (55), t. 2.