Cox regresyon modelinde kayıp veri problemi için çözüm önerileri

Basit Öğe Kaydı
dc.contributor.advisorAlkan, Nesrin
dc.contributor.authorİşçimen, Özden
dc.date.accessioned2025-03-23T19:04:16Z
dc.date.available2025-03-23T19:04:16Z
dc.date.issued2019
dc.departmentEnstitüler, Lisansüstü Eğitim Enstitüsü, Fen Bilimleri Enstitüsü, Matematik Ana Bilim Dalı
dc.description.abstractTıp, biyoloji, mühendislik ve ekonomi gibi birçok alanda kullanımı olan sağkalım analizi, istenilen olayın gerçekleşmesine kadar geçen zamanın modellenmesini sağlar. Sağkalım analizinin en önemli özelliği veri setinde sansürlü verilerin olmasıdır. Sansürlü veri, araştırma sonlandırıldığında istenilen olayın gerçekleşmediği durumda ortaya çıkmaktadır. Sağkalım analizinin en çok kullanılan yöntemi, sağkalım süresini etkileyen faktörleri belirleyen Cox regresyon analizidir. Cox regresyon analizinde de diğer istatistiksel yöntemlerde olduğu gibi tüm gözlem değerlerinin biliniyor olması gerekir. Veri setinde ilgilenilen değişkenin bazı değerlerinin gözlenememesi kayıp veri olarak adlandırılır ve araştırmalar için önemli bir problemdir. Bu çalışmada amaç, kayıp veri problemini gideren yöntemlerin tanıtılması ve farklı kayıp veri mekanizmalarında performanslarının değerlendirilerek farklı örnek genişlikli ve kayıp oranlı veri setlerinde karşılaştırmaktır. Bu amaçla öncelikle simülasyon çalışması yaparak her bir kayıp veri mekanizması için N=50, 100, 300 birimlik örnek genişlikli veri setlerinde %5, %10, %20 ve %30 kayıp oranlı veri setleri türetilmiştir. Farklı senaryolar için elde edilen bu veri setlerinin herbirinde kayıp veri analiz yöntemleri uygulanarak, Cox regresyon analizi yapılmıştır. Ayrıca genellikle klinik çalışmalarda yaygın olarak kullanılan Cox regresyon analizi, ekonomi alanında uygulanmış ve gerçek veri seti olarak işsizlik verisi kullanılarak kayıp veri analiz yöntemleri, Cox regresyon analizi üzerinden karşılaştırılmıştır.
dc.description.abstractSurvival analysis, which is used in many areassuch as medicine, biology, engineering and economics, allows modeling of the time until the desired event takes place. The most important feature of survival analysis is the presence of censoreddata in the data set. Censored data arises where the desired event does not ocur when the research is terminated. The most commonly used method of survival analysis is Cox regression analysis, which determines factors affecting survival time. In Cox regression analysis, all observation values should be known as in other statistical methods. The fact that some values of the variable of interest in the data set cannot be observed is called as missing data and it is an important problem for researchers. The aim of this study is to introduce the methods that solve the missing data problem and to evaluate the performance of different missing data mechanisms and to compare them in data sets with different sample size and missing rate. For this purpose, data sets with 5%, 10%, 20% and 30% missing rates and N = 50, 100, 300 units of sample size are derived for each missing data mechanism. Thus, Cox regression analysis was performed by using missing data analysis methods in each of these data sets for different scenarios. Cox regression analysis, which is commonly used in clinical studies, has also been applied in the field of economics. Missing data analysis methods were compared over Cox regression analysis using unemployment data as real data set.
dc.identifier.endpage62
dc.identifier.startpage1
dc.identifier.urihttps://tez.yok.gov.tr/UlusalTezMerkezi/TezGoster?key=jNRDC1RLfVd4_T7x7ZXmmaE2JSnW95C8bNeyxs8UDQpjNrXF0fqOq5fHp13Ue-Nv
dc.identifier.urihttps://hdl.handle.net/11486/2981
dc.identifier.yoktezid575595
dc.institutionauthorİşçimen, Özden
dc.language.isotr
dc.publisherSinop Üniversitesi
dc.relation.publicationcategoryTez
dc.rightsinfo:eu-repo/semantics/openAccess
dc.snmzKA_TEZ_20250323
dc.subjectİstatistik
dc.subjectStatistics
dc.titleCox regresyon modelinde kayıp veri problemi için çözüm önerileri
dc.title.alternativeThe solution proposals for missing data problems in Cox regression model
dc.typeMaster Thesis

Dosyalar

Koleksiyon

Tez Koleksiyonu