Cox-Regression

aus Wikipedia, der freien Enzyklopädie
Wechseln zu: Navigation, Suche

Die Cox-Regression ist eine nach David Cox benannte Regressionsanalyse zur Modellierung von Überlebenszeiten.

Wie alle ereigniszeitanalytischen Methoden ist sie ein Verfahren zur Schätzung des Einflusses unabhängiger Variablen auf die Dauer bis zum Eintreten von Ereignissen ("Überlebenszeit") bzw. deren Hazard. Als sog. semiparametrisches Verfahren liefert die Schätzung kein komplettes Vorhersagemodell für die Überlebenszeit sondern lässt die Verteilungsfunktion der beobachteten Episodenenden unspezifiziert und schätzt ausschließlich den Einfluss metrischer oder kategorialer Variablen auf einen als über alle Fälle hinweg als gleich angenommenen Baseline-Hazard.

Modell[Bearbeiten]

Das von Cox vorgeschlagene Regressionsmodell wird zur Untersuchung des Verhaltens der Ausfallraten in Abhängigkeit von Umwelteinflüssen benutzt. Grundlage des Modells sind Einflussvektoren z_i \; mit i = 1, \ldots, n\;, die für jedes Individuum i\; der Studie beobachtet werden können. Der Zusammenhang zwischen diesen Einflüssen und der Ausfallfunktion wird dann über die Relation

h(t;z_i) = h_{0}(t) \exp(z_i \beta)\;

hergestellt. h_{0}\; bezeichnet dabei eine unbekannte Ausfallfunktion, die im Ausgangsfall ohne Einflüsse (also z_i = 0\;) die zugehörige Ausfallfunktion darstellt. \beta\; ist ein unbekannter Parameter, ebenfalls q-dimensional. Aufgabe der Statistik ist die Schätzung dieses Parameters.

Die Beobachtungen[Bearbeiten]

Die Beobachtungen bestehen im Modell der Cox-Regression aus einem Tripel (t_i, z_i, \delta_i)\;, wobei z_i \; wie oben den Einflussvektor für das Individuum i\; bezeichnet.

t_i\; ist (wie im Falle der Untersuchung zensierter Daten üblich) als das Minimum von zwei Zufallsvariablen x_i\; und y_i\; definiert. Im Falle des tatsächlich beobachteten Todes eines Individuums gibt x_i\; den Todeszeitpunkt von i\; an. Falls dagegen nur die Studie beendet wurde, gibt y_i\; den Zeitpunkt der Beendigung an. Es ist offensichtlich, dass nur bei einer Beobachtung des Todes Rückschlüsse auf die Form der Hazardfunktion geschlossen werden können. Daher gibt \delta_i = I\{x_i \leq y_i\} an, ob der Tod oder das Ende der Studie beobachtet wurde. I bezeichnet hierbei die Indikatorfunktion.

Die Schätzung von β[Bearbeiten]

Aufgrund der Struktur von h(t;z_i)\; ergibt sich das Problem, dass in Intervallen ohne Todesfall keine Rückschlüsse auf \beta\; gezogen werden können. Es ist schließlich möglich, dass die unbekannte baseline-Hazardfunktion h_0(t)\; in diesem Intervall verschwindet und also a priori keine Todesfälle stattfinden können. Man greift daher auf einen Trick zurück und betrachtet bedingte Wahrscheinlichkeiten.

Wenn ausschließlich dann Informationen über \beta\; erhalten werden können, wenn ein Todesfall stattgefunden hat, bietet sich zum Zeitpunkt des Todes von Individuum i\; die Berechnung der folgenden Wahrscheinlichkeit an: Wie wahrscheinlich ist es, dass von allen noch lebenden Individuen nun ausgerechnet i\; stirbt? Formal lässt sie sich als

p_i(\beta) := \frac{\exp(z_i' \beta)}{\sum_{j \in R_i} \exp(z_j' \beta)}

berechnen. R_i\; bezeichnet dabei diejenigen Individuen, die zum Zeitpunkt des Todes von i\; noch leben.

Um eine Art Maximum-Likelihood-Schätzer für \beta\; zu finden, wird nun in Abhängigkeit von \gamma\; die Likelihood-Funktion

p(\gamma) := \prod_{i=1}^{n} p_i(\gamma)^{\delta_i}

maximiert. Dabei wird durch das Potenzieren der einzelnen bedingten Wahrscheinlichkeiten mit \delta_i\; der Tatsache Rechnung getragen, dass nur die Beobachtung eines Todesfalls und nicht die des Endes der Studie Informationen über \beta\; liefert.

Literatur[Bearbeiten]

  • David Cox: Regression models and life tables. Journal of the Royal Statistical Society B, 34 (1972), S. 187 - 220.