Badanie ubóstwa z zastosowaniem nieparametrycznej estymacji funkcji przeżycia dla zdarzeń powtarzających się

• Authors: Sączewska-Piotrowska Anna

Title variants

EN

Poverty Study Using Nonparametric Estimation of Recurrent Survival Function

• Languages of publication: PL

Abstracts

PL

W artykule przeprowadzono analizę czasu trwania gospodarstw domowych w sferze ubóstwa oraz w sferze poza ubóstwem. W tym celu wykorzystano estymatory funkcji prze-życia dla zdarzeń powtarzających się: estymator Wanga-Changa oraz dwa estymatory za-proponowane przez Peñę, Strawdermana i Hollandera (IIDPLE oraz FRMLE). Na podstawie uzyskanych wyników można stwierdzić, że prawdopodobieństwo przeżycia gospodarstw domowych w sferze poza ubóstwem przez długi czas jest większe niż w przypadku przeżycia w sferze ubóstwa. Bazując na graficznej metodzie uznano, że najlepszym estymatorem funkcji przeżycia w sferze ubóstwa i w sferze poza ubóstwem jest FRMLE. Oznacza to, że założenie o niezależności i takich samych rozkładach czasów oczekiwania na wystąpienie kolejnych zdarzeń w obrębie gospodarstw domowych nie jest słuszne.

EN

The article analyses households’ poverty and nonpoverty duration. For this purpose survival function estimators for recurrent events were used: Wang-Chang estimator and two estimators proposed by Peña, Strawderman and Hollander (IIDPLE and FRMLE). We can conclude that survival probability for a long time out of poverty is greater than in the case of survival in poverty. Based on the graphical method we can conclude that the best estimator of survival in poverty and out of poverty is FRMLE. It means that we cannot assume that interoccurrence times within households are independent and identically distributed.

Keywords

PL

ubóstwo; funkcja przeżycia; zdarzenia powtarzające się; nieparametryczna estymacja

EN

poverty; survival function; recurrent events; nonparametric estimation

• Publisher: Główny Urząd Statystyczny
• Journal: Przegląd Statystyczny
• Year: 2015
• Volume: 62
• Issue: 1
• Pages: 29-51

Contributors

author

Sączewska-Piotrowska Anna

• Uniwersytet Ekonomiczny w Katowicach, Wydział Ekonomii, Katedra Metod Statystyczno-Matematycznych w Ekonomii, ul. Bogucicka 14, 40–226 Katowice

References

• Allison P. D., (2010), Survival Analysis, w: Hancock G. R., Mueller R. O., (red.), The Reviewer’s Guide to Quantitative Methods in the Social Sciences, Routlege, New York, 423-424.
• Andriopoulou E., Tsakloglou P., (2011), The Determinants of Poverty Transitions in Europe and the Role of Duration Dependence, IZA Discussion Paper No. 5692, Bonn, Germany.
• Atkinson T., Cantillon B., Marlier E., Nolan B., (2002), Social Indicators. The EU and Social Inclu-sion, Oxford University Press, New York.
• Bane M. J., Ellwood D. T., (1986), Slipping Into and Out of Poverty: The Dynamics of Spells, The Journal of Human Resources, 21 (1), 1-23.
• Bieszk-Stolorz B., Markowicz I., (2012), Modele regresji Coxa w analizie bezrobocia, CeDeWu, War-szawa.
• Breslow N., Crowley J., (1974), A Large Sample Study of the Life Table and Product Limit Esti-mates Under Random Censorship, Annals of Statistics, 2 (3), 437-453.
• Callens M., Croux C., (2009), Poverty Dynamics in Europe. A Multilevel Discrete-Time Recurrent Hazard Analysis, International Sociology, 24 (3), 368-396.
• Collett D., (2003), Modelling Survival Data in Medical Research, Chapman and Hall/CRC, Boca Ra-ton, Florida.
• Fouarge D., Layte R., (2005), Welfare Regimes and Poverty Dynamics: The Duration and Recur-rence of Poverty Spells in Europe, Journal of Social Policy, 34 (3), 407-426.
• Frątczak E., Gach-Ciepiela U., Babiker H., (2005), Analiza historii zdarzeń. Elementy teorii, wybrane przykłady zastosowań, SGH, Warszawa.
• González J. R., (2006), Inference for a General Class of Models for Recurrent Events with Applica-tion to Cancer Data, Universitat Politècnica de Catalunya, Barcelona, praca doktorska.
• González J. R., Peña E. A., (2003), Bootstrapping Median Survival with Recurrent Event Data, IX Conferencia Española de Biometría, A Coruña, 2003 May 28-30.
• González J. R., Peña E. A., (2004), Estimación no Paramétrica de la Función de Supervivencia Para Datos con Eventos Recurrentes, Revista Española de Salud Pública, 78 (2), 189-199.
• González J. R., Peña E. A., Strawderman R. L., (2015), Survrec: A Package for Survival Analysis for Recurrent Event Data, URL http://CRAN.R-project.org/package=survrec.
• Greenwood M., (1926), The Natural Duration of Cancer, Reports of Public Health and Related Sub-jects, Volume 33, Her Majesty’s Stationery Office, London, 1-26.
• Gutiérrez E., Lozano S., González J. R., (2011), A Recurrent-Events Survival Analysis of the Dura-tion of Olympic Records, IMA Journal of Management Mathematics, 22 (2), 115-128.
• Hagenaars A. J. M., de Vos K., (1988), The Definition and Measurement of Poverty, The Journal of Human Resources, 23 (2), 211-221.
• Hagenaars A. J. M., van Praag B. M. S., (1985), A Synthesis of Poverty Line Definitions, Journal of the International Association for Research in Income and Wealth, 31 (2), 139-154.
• Hollifield E., Treviño V., Zarn A., (2012), A Survival Analysis of the Duration of Olympic Records, arXiv:1207.6133 [stat.AP].
• Hosmer D. W., Lemeshow S., May S., (2008), Applied Survival Analysis. Regression Modeling of Time-to-Event Data, John Wiley & Sons, Inc., Hoboken, New Jersey.
• Kaplan E. L., Meier P., (1958), Nonparametric Estimation From Incomplete Observations, Journal of the American Statistical Association, 53 (282), 457-481.
• Kelly P. J., Lim L. L.-Y., (2000), Survival Analysis for Recurrent Event Data: An Application to Childhood Infectious Diseases, Statistics in Medicine, 19 (1), 13-33.
• Kleinbaum D. G., Klein M., (2005), Survival Analysis. A Self-Learning Text, Springer, New York.
• Layte R., Fouarge D., (2004), The Dynamics of Income Poverty, w: Berthoud R., Iacovou M., (red.), Social Europe: Living Standards and Welfare States, Edward Elgar, Cheltenham, 202-224.
• Mills M., (2011), Introducing Survival and Event History Analysis, SAGE Publications, Los Angeles-London-New Dehli-Singapore-Washington DC.
• Panek T., (2011), Ubóstwo, wykluczenie społeczne i nierówności. Teoria i praktyka pomiaru, SGH, Warszawa.
• Panek T., Podgórski J., Szulc A., (1999), Ubóstwo: teoria i praktyka pomiaru, Monografie i Opraco-wania 453, SGH, Warszawa.
• Peña E. A., Strawderman R. L., Hollander M., (2001), Nonparametric Estimation with Recurrent Data, Journal of the American Statistical Association, 96 (456), 1299-1315.
• Peterson A. V., (1977), Expressing the Kaplan-Meier Estimator as a Function of Empirical Subsur-vival Function, Journal of the American Statistical Association, 72 (360), 854-858.
• Rada Monitoringu Społecznego, (2013), Diagnoza społeczna 2000-2013: zintegrowana baza danych, http://www.diagnoza.com [29 października 2014 r.].
• R Development Core Team, (2015), R: A Language and Environment for Statistical Computing, R Foundation for Statistical Computing, Vienna, URL http://www.R-project.org.
• Rodgers J. R., Rodgers J. L., (1993), Chronic Poverty in the United States, The Journal of Human Resources, 28 (1), 25-54.
• Stevens A. H., (1994), The Dynamics of Poverty Spells: Updating Bane and Ellwood, American Eco-nomic Review, 84 (2), 34-37.
• Stevens A. H., (1999), Climbing Out of Poverty, Falling Back in. Measuring the Persistence of Pov-erty Over Multiple Spells, The Journal of Human Resources, 34 (3), 557-588.
• Therneau T. M., Lumley T., (2015), Survival: A Package for Survival Analysis in S, R Package Ver-sion 2.37-7, URL http://CRAN.R-project.org/package=survival.
• Topińska I., (2008), Kierunki zmian w statystyce ubóstwa, w: Topińska I., (red.), J. Ciecieląg, A. Szukiełojć-Bieńkuńska, Pomiar ubóstwa. Zmiany koncepcji i ich znaczenie, IPiSS, Warszawa, 8-26.
• Wang M.-C., Chang S.-H., (1999), Nonparametric Estimation of a Recurrent Survival Function, Journal of the American Statistical Association, 94 (445), 146-153.