Modele zdarzeń wielokrotnych w analizie powtórnych rejestracji w urzędzie pracy

Autor

DOI:

https://doi.org/10.18778/0208-6018.348.07

Słowa kluczowe:

model regresji Coxa, modele zdarzeń wielokrotnych, ryzyko zarejestrowania w urzędzie pracy

Abstrakt

W wielu dziedzinach nauki zachodzi konieczność analizy powtarzających się zdarzeń. W naukach medycznych problemem jest ocena ryzyka nawrotu przewlekłej choroby. W naukach ekonomiczno‑społecznych analizować można czas kolejnych wejść i wyjść w sferę ubóstwa, czas kolejnych roszczeń gwarancyjnych lub ubezpieczeniowych, a także czas kolejnych okresów bezrobocia. W badaniach tych w różny sposób można definiować przedziały ryzyka, czyli przedział czasu, w którym dla danej jednostki istnieje ryzyko (lub szansa) wystąpienia zdarzenia. Badania bezrobocia rejestrowanego w Polsce wskazują na duży odsetek osób powracających do urzędu pracy i rejestrujących się ponownie. Celem artykułu jest analiza ryzyka kolejnych zarejestrowań w urzędzie pracy w zależności od wybranych cech osób bezrobotnych: płci, wieku, wykształcenia oraz stażu pracy. W badaniu wykorzystano metody analizy trwania. Porównano wyniki otrzymane dla czterech modeli będących rozszerzeniem modelu proporcjonalnego hazardu Coxa. W modelu Andersona‑Gila nie rozróżnia się, które zdarzenie wystąpiło jako pierwsze, a które jako kolejne. Istotna jest liczba zdarzeń, które wystąpiły. Dwa modele warunkowe Prentince’a, Williamsa i Petersona oraz Wei, Lin i Weissfelda bazują na warstwowym modelu Coxa. Warstwami są kolejne zdarzenia. Modele te różnią się sposobem wyznaczania przedziałów ryzyka. W analizowanym okresie tylko wiek i wykształcenie wpływały na ryzyko wielokrotnych zarejestrowań w Powiatowym Urzędzie Pracy w Szczecinie. Płeć i staż pracy nie miały na to istotnego wpływu. Analiza wykonana dla kolejnych zarejestrowań potwierdziła wpływ tych samych cech na pierwsze z kolejnych zarejestrowań. Ogólnie można stwierdzić, że analizowane cechy osób bezrobotnych nie miały istotnego wpływu na drugi i kolejne powroty do urzędu pracy.

Pobrania

Statystyki pobrań niedostępne.

Bibliografia

Aalen O. O., Borgan O., Gjessing H. K. (2008), Survival and Event History Analysis. A Process Point of View, Springer, New York.

Andersen P., Gill R. (1982), Cox’s Regression Model for Counting Processes: A Large Sample Study, “The Annals of Statistics”, vol. 10, no. 4, pp. 1100–1120, http://dx.doi.org/10.1214/aos/1176345976

Bieszk‑Stolorz B. (2018a), Badanie czasu trwania w bezrobociu z wykorzystaniem modeli regresji dla zdarzeń powtarzających się, “Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu”, no. 507, pp. 21–29, http://dx.doi.org/10.15611/pn.2018.507.02

Bieszk‑Stolorz B. (2018b), Stratified Cox Model with Interactions in Analysis of Recurrent Events, “Acta Universitatis Lodziensis. Folia Oeconomica”, vol. 3, no. 335, pp. 207–218, http://dx.doi.org/10.18778/0208-6018.335.14

Bieszk‑Stolorz B. (2018c), Ocena wpływu płci na formę wyjścia z bezrobocia, “Wiadomości Statystyczne”, vol. 6, no. 685, pp. 23–38.

Cai J., Schaubel D. (2003), Analysis of Recurrent Event Data, [in:] N. Balakrishnan, C. Rao (eds.), Handbook of Statistics: Advances in Survival Analysis, vol. 23, Elsevier, North Holland, pp. 603–623.

Cook R. J., Lawless J. F. (2007), The Statistical Analysis of Recurrent Events, Springer, New York.

Cox D. (1972), Regression Models and Life‑Tables, “Journal of the Royal Statistical Society. Series B (Methodological)”, vol. 34, no. 2, pp. 187–220.

Cox D. (1975), Partial likelihood, “Biometrika”, vol. 62, no. 2, pp. 269–276, http://dx.doi.org/10.1093/biomet/62.2.269

Gałecka‑Burdziak E. (2016), Multiple unemployment spells duration in Poland, Collegium of Economic Analysis SGH – Working Papers, no. 19/10.

Hosmer D. W., Lemeshow S. (1999), Applied Survival Analysis. Regression Modeling of Time to Event Data, John Wiley & Sons, New York.

Kaplan E. L., Meier P. (1958), Non‑parametric estimation from incomplete observations, “Journal of American Statistical Association”, vol. 53, no. 282, pp. 457–481, http://dx.doi.org/10.2307/2281868

Klein J., Goel P. (eds.) (1992), Survival Analysis: State of the Art, Springer Netherlands, Dordrecht.

Kleinbaum D., Klein M. (2012), Survival Analysis. A Self‑Learning Text, Third Edition, Springer‑Verlag, New York.

Machin D., Cheung Y. B., Parmar M. K.B. (2006), Survival Analysis. A Practical Approach. Second Edition, John Wiley & Sons, Chichester.

Ozga A., Kieser M., Rauch G. (2018), A systematic comparison of recurrent event models for application to composite endpoints, “BMC Medical Research Methodology”, vol. 18, no. 2, https://doi.org/10.1186/s12874-017-0462-x

Pepe M. S. (1991), Inference for Events With Dependent Risks in Multiple Endpoint Studies, “Journal of the American Statistical Association”, vol. 86, no. 415, pp. 770–778, http://dx.doi.org/10.1080/01621459.1991.10475108

Prentice R. L., Williams B. J., Peterson A. V. (1981), On the regression analysis of multivariate failure time data, “Biometrika”, vol. 68, no. 2, pp. 373–379, https://dx.doi.org/10.1093/biomet/68.2.373

Sączewska‑Piotrowska A. (2015), Badanie ubóstwa z zastosowaniem nieparametrycznej estymacji funkcji przeżycia dla zdarzeń powtarzających się, “Przegląd Statystyczny”, R. LXII, z. 1, pp. 29–51.

Sagara I., Giorgi R., Doumbo O. K., Piarroux R., Gaudart J. (2014), Modelling recurrent events: comparison of statistical models with continuous and discontinuous risk intervals on recurrent malaria episodes data, “Malaria Journal”, vol. 13, no. 293, https://doi.org/10.1186/1475-2875-13-293

Sousa‑Ferreira I., Abreu A. M. (2019), A review of Cox’s model extensions for multiple events, “IJRDO – Journal of Applied Science”, vol. 5, no. 2, pp. 47–62.

Therneau T., Grambsch P. (2000), Modeling, Survival Data: Extending the Cox Model, Springer Science & Business Media, New York.

Wei L., Lin D., Weissfeld L. (1989), Regression Analysis of Multivariate Incomplete Failure Time Data by Modeling Marginal Distributions, “Journal of the American Statistical Association”, vol. 84, no. 408, pp. 1065–1073, http://dx.doi.org/10.2307/2290084

Opublikowane

2020-06-22

Numer

Dział

Artykuł

Jak cytować

Bieszk-Stolorz, Beata. 2020. “Modele Zdarzeń Wielokrotnych W Analizie powtórnych Rejestracji W urzędzie Pracy”. Acta Universitatis Lodziensis. Folia Oeconomica 3 (348): 131-47. https://doi.org/10.18778/0208-6018.348.07.