Project R-7256

Statistische besluitvorming in modellen met variërende coëfficiënten met gecensureerde gegevens (Onderzoek)

Eén van de meest voorkomende taken in de statistiek, is het modelleren van een relatie tussen een respons variabele enerzijds en verklarende variabelen anderzijds. Lineaire modellen zijn eenvoudig maar vaak beschrijven ze deze relatie onvoldoende. In een klassiek lineair model wordt de impact van een verklarende variabele op de respons beschreven door een additief effect, de regressie coëfficiënt is een constante. In de praktijk is er echter nood aan modellen waarbij de regressie coëfficiënt een (ongekende) functie is in plaats van een constante; dergelijke modellen worden modellen met variërende coëfficiënten (VCM) genoemd. VCM worden o.a. gebruikt in longitudinale, overleving- en economische studies. De methodologie voor VCM is reeds ontwikkeld voor data met volledige gegevens. Voor rechts of interval gecensureerde gegevens is echter minder geweten. Het doel van dit project bestaat erin de methodologie uit te breiden naar gecensureerde data door (i) de functionele coëfficiënten te schatten en (ii) de geschikte verklarende variabelen te selecteren in het model met variërende coëfficiënten. De techniek om de coëfficiënten te schatten maakt gebruik van P-splines, de selectie van de verklarende variabelen gebeurt met behulp van de nonnegative garrote. Deze techniek, die P-splines combineert met de nonnegative garrote, blijkt succesvol in meerdere toepassingen met volledige gegevens. Met dit project willen we aantonen dat deze techniek ook goed is voor het modelleren van gecensureerde gegevens.

01 oktober 2016 - 31 juli 2018