Analiza przeżycia należy do niestandardowych narzędzi analiz statystycznych. Najprostszym jej nurtem są tablice trwania życia (LT). W artykule przedstawiono wyniki zastosowań TTZ do analiz bezrobocia w Polsce w 2003 r. Znane z literatury przedmiotu analizy empiryczne, bazujące na indywidualnych danych o bezrobociu pochodzących z wyników badań aktywności ekonomicznej ludności (BAEL), opisują wielkość strumieni (przepływów) między zasobami rynku pracy. Prezentowane opracowanie jest dalszym krokiem analiz strumieniowych między zasobami bezrobocia i zatrudnienia. Nowatorskie podejście badawcze polega na ilościowej ocenie szans i nadziei na wychodzenie ze stanu braku aktywności zawodowej (bezrobocia) do stanu czynności zawodowej (zatrudnienia) na trudnym, krajowym rynku pracy. Dostępny materiał statystyczny umożliwił stratyfikację problemu według tak ważnych determinant demograficzno-społecznych, jak płeć, wiek, stan cywilny i poziom wykształcenia bezrobotnych. Dzięki analizom porównawczym we wszystkich kwartałach 2003 r. Czytelnik ma możliwie wszechstronny obraz zmian szans wychodzenia z bezrobocia według wymienionych cech osób bezrobotnych w czasie w Polsce w 2003 r. (abstrakt oryginalny)
EN
The stream analysis of recourses existing on the labour market is one of the methods of identification of determinants of the labour market flexibility. From the socio-economic point of view, the stream of the outflow from unemployment to employment resource is vital. Thanks to the availability of results of the survey study, i.e. Testing Economic Activity of Population (BAEL), the observation of the volume of the stream is not so much difficult as arduous. In the subject literature, we can find results of surveys within that scope. Making use of results of BAEL, which records behaviours of individuals on the labour market, we can go further and investigate intensity of the stream flow from unemployment to employment. The paper aims at presenting quantitative estimation of chances of leaving unemployment and becoming employed on the tough national labour market. Taking into consideration the volume limitations of the paper, the author does not include a very large result material (tabular and graphical) of empirical analyses. (fragment of text)
W artykule zaprezentowano wyniki badań nad ubóstwem gospodarstw domowych osób starszych (60 lat i więcej) i osób młodszych (59 lat i mniej) w Polsce w latach 2000-2013. Wyniki analizy pokazują, że zasięg i głębokość ubóstwa są niższe w przypadku gospodarstw domowych osób starszych. Gospodarstwa domowe 60+ przeżywają dłużej poza sferą ubóstwa i krócej w sferze ubóstwa niż gospodarstwa domowe 59-.
EN
This article investigates poverty among nonelderly (under 60) and elderlyheaded (60 and more) households in Poland between 2000 and 2013. The analysis shows that poverty incidence and intensity is lower in the elderly-headed households. There is a significant difference in survival functions associated with age of household’ head. Elderly-headed households survive longer out of poverty and survive shorter in poverty than nonelderly-headed households.
3
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
Analiza przeżycia to zespól metod służących do modelowania czasu trwania kohorty, której jednostki są obserwowane od zdefiniowanego momentu początkowego do zdefiniowanego zdarzenia końcowego. Czas trwania jest traktowany jako zmienna losowa ciągła. Specyfika metod analizy przeżycia związana jest z występowaniem obserwacji cenzurowanych (uciętych) oraz tym, iż funkcje gęstości obserwowanej zmiennej są często nieznane, a rozkłady silnie asymetryczne, co uniemożliwia stosowanie metod klasycznej statystyki. Podstawową funkcją stosowaną w analizie przeżycia jest funkcja dalszego trwania wyrażająca prawdopodobieństwo, że jednostka nie doświadczy zdarzenia końcowego przed czasem r. Metodą oceny, czy pewne zmienne mają wpływ na zróżnicowanie czasu trwania jednostek, jest przeprowadzanie testów porównujących krzywe przeżycia na podstawie dwóch (lub więcej prób). Znaczna liczba tych testów została zaproponowana w ostatnich latach, w tym testy: Log-rank, będący jednym z lub najpopularniejszym, test Gehana. Tarone-Ware. Peto-Peto. Harringtona-Fleminga, testy typu Renyi. W literaturze mało uwagi poświęca się jednakże porównaniu własności tych testów. W poniższym opracowaniu przeprowadzono, przy wykorzystaniu metody Monte Carlo, analizę porównawczą mocy predykcyjnej testów dla dwóch krzywych przeżycia w małych próbach z różnym udziałem jednostek cenzurowanych. Losowano próby z populacji o założonym rozkładzie Weibulla przy różnych proporcjach jednostek kompletnych i cenzurowanych (o losowej kolejności pojawiania się ustalanej w oparciu o rozkład jednostajny) w celu określenia efektywnej wielkości prób dla poszczególnych testów. Szczególną wagę poświęcono problemowi krzyżowania się krzywych przeżycia i zdolności testów do wykrywania różnic między krzywymi przeżycia w takiej sytuacji. (abstrakt oryginalny)
EN
Survival analysis is concerned with studying the time between entry to a study and a subsequent event. Time-to-event is considered as a continuous variable. When the outcome of a study is the time between one event and another, a number of problems can occur, such as: the distribution of the variable tends to be unknown, observed distributions are strongly skewed, more over we lost to follow up some entities (right censoring). The assessment of overall homogeneity of survival curves is a key element in survival analysis. Recently there have been developed several tests that compare survival at two or more cohorts e.g. most popular log-rank test and tests of Gehan. Tarone-Ware, Peto-Peto. Harrington-Fleming, Renyi-type. Nevertheless a little attention is drawn to comparison of applicability of these tests. The main goal of this paper is to examine a small-sample characteristics of above tests. There were made a variety of situations by means of Monte Carlo simulations. With the assumption that survival curve has Weibull distribution, there were taken into consideration different share of censored observations (randomly appeared due to uniform distribution) and the ability of these test to detect overall differences between crossing survival curves. (original abstract)
4
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
W artykule wykorzystano metody analizy przeżycia (analizy historii zdarzeń) do badania czasu pracy u ostatniego pracodawcy osób długotrwale bezrobotnych. W pierwszym kroku posłużono się analizą Kaplana-Meiera w celu identyfikacji oraz efektywnej kategoryzacji zmiennych determinujących długość okresu ostatniej pracy. W drugim kroku skonstruowano model proporcjonalnego hazardu Coxa. Przy konstrukcji modelu wykorzystano następujące kryteria: test istotności modelu oparty na ilorazie wiarygodności oraz kryteria informacyjne. Szczególną uwagę poświęcono własnościom modelu Coxa w celu zapewnienia poprawności jego stosowania w zagadnieniach społeczno-ekonomicznych. (abstrakt oryginalny)
EN
This paper presents the implementation of survival analysis (event history analysis) methods in the examination of the employment period at the last place of work of people who have been unemployed for a long time. At first, the Kaplan-Meier method is used for the identification and categorization of the determinants of the last job period. The next step is constructing the Cox proportional hazards model. The model fit is made with the use of the likelihood ratio test and information criteria. We pay special attention to the properties of the Cox model in order to improve its application in socio-economic surveys. (original abstract)
5
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
Metody analizy przeżycia są coraz częściej stosowane w badaniach zjawisk społeczno-ekonomicznych. Ze względu na brak konieczności znajomości rozkładu badanej zmiennej losowej szczególną wagę przywiązuje się do modeli nieparametrycznych bądź semiparametrycznych. Coraz powszechniej wykorzystywane są one do badania zjawisk innych niż czas trwania życia ludzkiego. Warunkiem stosowania modeli analizy przeżycia jest odpowiednia baza danych umożliwiająca wyznaczenie czasu trwania zdefiniowanego stanu dla poszczególnych jednostek badanej zbiorowości. Zazwyczaj są to badania retrospektywne z wykorzystaniem sporządzanych rejestrów. Przykładem takiej bazy danych jest rejestr bezrobotnych. Celem artykułu jest wskazanie wpływu sposobu kodowania zmiennych na oszacowania parametrów modelu regresji Coxa i ich interpretację. Autorki przedstawiły również związek między parametrami modelu szacowanymi dla danych zakodowanych w dwojaki sposób. Badaną kohortę stanowią osoby bezrobotne wyrejestrowane w określonym okresie czasu. Podziału na podgrupy dokonano ze względu na wiek, który jest determinantą czasu poszukiwania pracy. (abstrakt oryginalny)
EN
Methods of survival analysis are more and more often used in analysis of social and economic occurrences. Due to lack of distributional information regarding the random variable, much attention is put on non-parametric or semi-parametric models. They are more and more commonly used for analysis of occurrences different than life expectancy. The condition of use of models of survival analysis is appropriate database that makes possible estimation of duration time of defined state for particular elements of analysed population. They are usually retrospective analyses with use of records. The example of such database is unemployment records. The article presents results of analysis of influence of encryption of variables on estimation of parameters of the Cox proportional hazard model and their interpretation. The authors also presented correlation between parameters of the model estimated for the data encrypted in two ways. The cohort consisted of the unemployed persons unregistered in specific period. Sub-clusters were allocated with respect to age that is a determinant of period of waiting for a job. (original abstract)
Celem artykułu było zbudowanie charakterystyk przeżycia obiektów zarejestrowanych w rejestrze REGON w województwie małopolskim. Badano kilkanaście tysięcy obiektów w okresie od 2002 do 2008 r. Weryfikowano wpływ sekcji, w jakiej działają obiekty, oraz formy prawnej podmiotów na szanse wyrejestrowania. Przeprowadzone badanie pokazało, że wymienione czynniki mają istotne znaczenie. (abstrakt autora)
EN
The purpose of the article was to construct survival characteristics of several thousand businesses registered in the Malopolska voivodship's REGON classification for the years 2002-2008. The impact of the section in which they operate and forms of legal entities on the likelihood of deregistration was investigated. The study illustrates that both factors are of great significance. (original abstract)
Artykuł zawiera propozycję modelowania upadłości przedsiębiorstw za pomocą analizy przeżycia, stosowanej do badania różnorodnych zjawisk zależnych od upływającego czasu. W opracowaniu wykorzystano popularny model analizy przeżycia, powszechnie nazywany modelem proporcjonalnego hazardu. Uwzględniono w nim zarówno czynniki mikroekonomiczne opisane wskaźnikami finansowymi przedsiębiorstwa, jak i zewnętrze czynniki makroekonomiczne związane z koniunkturą. Badania przeprowadzono na przykładzie spółek notowanych na Giełdzie Papierów Wartościowych w Warszawie. (abstrakt autora)
EN
The article presents a proposal for modeling enterprise insolvency by means of survival analysis, which is used to study various occurrences that depend on the passage of time. The study used a popular model of survival analysis commonly known as the proportional hazard model, which takes into account both microeconomic conditions described by company financial indicators, and external macroeconomic factors associated with the overall economic situation. The study was conducted on the basis of companies listed on the Warsaw Stock Exchange. (original abstract)
Analiza przeżycia jest zbiorem procedur statystycznych, w których badaną zmienną jest czas wystąpienia pewnego zdarzenia (np. śmierć, pojawienie się choroby). Umożliwia ona studiowanie wystąpień i rozkładów zdarzeń w czasie. Metoda ta opisuje procesy, w których interesujący jest czas, jaki upłynie do (pierwszego) wystąpienia danego zdarzenia. Analiza przeżycia wywodzi się z badań medycznych, lecz znajduje szersze zastosowanie w innych dziedzinach, w których możliwe jest zdefiniowanie analogicznego aparatu pojęciowego. W naukach społecznych jej odpowiednikiem jest analiza trwania, a w demografii analiza historii zdarzeń. Dzięki szerokim możliwościom implementacji zastosowano ją również do opisu momentu wystąpienia niepełnosprawności na przykładzie zbiorowości 4 tysięcy osób niepełnosprawnych z powiatu wrzesińskiego według stanu na 31 marca 2005 roku. Dane pochodzą z badania ankietowego przeprowadzonego w ramach programu EQUAL Europejskiego Funduszu Społecznego. Oprócz momentu pojawienia się stanu ograniczonej sprawności (niepełnosprawności biologicznej) analizowano również moment uzyskania orzeczenia stwierdzającego ten stan (niepełnosprawność prawna). Zbiorowość podzielono na kilka grup, między innymi ze względu na płeć, miejsce zamieszkania oraz rodzaj niepełnosprawności respondentów, starając się dostrzec różnice w przebiegu krzywych przeżycia i hazardu. (abstrakt oryginalny)
EN
The survival analysis is a set of statistical procedures where the analyzed variable is the time of any event's appearance (i.e. death, disease). This enables defining the distribution of appearances' and events' in time. This method describes the processes which focus on the time passing to the concrete event's (first) appearance. The survival analysis descends from medical research but it can be applicable to other fields where analogical notions are used. In social sciences its equivalent is called duration analysis and in demography - event history analysis. Thanks to wide possibilities of implementation, this method was also used to describe a moment of disability's appearance in a community of 4 thousand disabled people from Września district according to the state on 31st March of 2005. The data come from questionnaire research made within the framework of the European Social Fund program. Apart from the moment of appearance of the state of limited fitness (biological disability), the moment of obtaining a medical certificate was also analyzed (legal disability). The community was divided into some groups, for example by sex, habitation and type of disability, in an attempt to find differences in survival and hazard curves' distribution. (original abstract)
Lata 90-te XX w. w Polsce to okres rozwoju przedsiębiorczości. Swoboda zakładania i prowadzenia działalności gospodarczej przyczyniła się do powstawania nowych, głównie małych, firm. Nie wszystkim przedsiębiorcom udaje się jednak utrzymać działalność w dłuższym czasie. Celem artykułu jest analiza szansy przetrwania firmy przez określony czas oraz różnic dla firm założonych w różnych latach. Zastosowano model regresji logistycznej dla dychotomicznej zmiennej zależnej. W artykule przedstawiono wyniki etapu badań prowadzonych w ramach projektu badawczego MNiSW N 111 011 31/1109. (abstrakt oryginalny)
EN
The 90's of the 20th century in Poland it's a period of economic development. Freedom of establishing and carrying on a business caused rising many new, mostly small firms. Yet not all entrepreneurs were able to run their businesses for a longer period of time. The purpose of the paper is to analysis firms survival chance in a determined period of time and to analysis differences between firms established in different years. Logistic regression model for dichotomous dependent variable will be used. (original abstract)
W pracy przedstawiono propozycję analizy tablicy trwania życia dla danych prawostronnie cenzurowanych. Przedstawiona metoda pozwala na sprowadzenie takiej tablicy do wielowymiarowej tablicy kontyngencyjnej, którą można analizować standardowymi technikami wielowymiarowego wnioskowania statystycznego, np. za pomocą modeli logarytmiczno-liniowych. (abstrakt oryginalny)
EN
In survival analysis the subject of observation is duration of time until some event called failure event. Often in such studies only partial information on the length of failure time is available what yields the so-called right-censored observations. The main interest in survival analysis is either to estimate the distribution of the true failure time or to identify the relationship between the true failure time and a set of some covariates. Additional troublesome point of theory and application of survival techniques is treatment of grouped observations (life-tables) along with incorporating covariates. In the paper a new approach is considered which allows to treat the censored life-table with qualitative covariates as a standard contingency table. Such a table can be further analysed by means of log-linear models or other standard multivariate inference techniques. (original abstract)
11
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
Jednym z głównych celów epidemiologicznych badań nad chorobami przewlekłymi (najczęściej układu krążenia lub nowotworowymi) jest oszacowanie ryzyka zachorowania lub zgonu w zależności od zespołu cech - czynników ryzyka. Badania epidemiologiczne charakteryzują się najczęściej następującymi własnościami: - duża liczebność próby, powyżej 1000 badanych; długi okres obserwacji badanych osób, ponad kilka lat; - wysoka frakcja (ok. 90%) osób, które przeżyły cały okres badania bez incydentu chorobowego, tzw. cenzorowanie administracyjne; - duża liczba czynników ryzyka rejestrowanych w badaniu. Analiza statystyczna badania epidemiologicznego wymaga, między innymi, rozwiązania następujących problemów: - wybór modelu funkcji oceniającej ryzyko, - selekcja badanych w modelu czynników ryzyka, - ocena wzajemnego oddziaływania (interakcji) badanych czynników i ocena nieliniowych efektów ich oddziaływania. Rozwiązanie przedstawionych zadań przeprowadzono na przykładzie analizy wyników Polskiego Programu Prewencji Chorób Układu Krążenia przeprowadzonego w latach 1976-1982, obejmującego 8603 mężczyzn zatrudnionych w zakładach pracy w dwóch regionach Polski -Warszawy i Polski Południowo-Wschodniej i rozszerzonego o obserwację postępującą w zakresie zgonu do roku 1994. (abstrakt oryginalny)
EN
In the epidemiological analysis of chronic diseases (most often cardiovascular or cancer) the main problem of interest is the estimation of the risk of death (or getting ill) related to set of characteristics called risk factors. For epidemiological studies typical features are: - large sample size (at least 1000 persons), - long follow up period for survival analysis (5 or more years), - large percentage of censored observations (patients who survive the whole time of study, more than 90%), - large number of registered risk factors. Some practical problems that concern the statistical analysis of the epidemiological data are following: - selection of the survival function model, - selection of the variables included into the model, - inclusion of interaction and/or higher order effect into the model. Some solutions of presented problems were applied to the Polish Part of Cardiovascular Diseases Prevention Program (Euro 8202). The program was conducted in 1976-1982 years with long follow up period concerning mortality till 1994 year. The program covered 8603 working men aged 40-59 years in two regions - Warsaw and South-Eastern Poland. Most of statistical analyses were performed on the basis of standard Statistical Analysis System (SAS) package. (original abstract)
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.