Stratified Cox Model with Interactions in Analysis of Recurrent Events

Beata Bieszk‑Stolorz

doi:10.18778/0208-6018.335.14

Autor

Beata Bieszk‑Stolorz Uniwersytet Szczeciński, Wydział Nauk Ekonomicznych i Zarządzania, Instytut Ekonometrii i Statystyki

DOI:

https://doi.org/10.18778/0208-6018.335.14

Słowa kluczowe:

analiza trwania, zdarzenia powtarzające się, warstwowy model Coxa, nieciągłe przedziały ryzyka, bezrobocie

Abstrakt

Celem artykułu jest ocena względnej intensywności wychodzenia z bezrobocia rejestrowanego za pomocą analizy zdarzeń powtarzających się i porównanie wyników z wynikami otrzymanymi dla pojedynczych epizodów. W analizie wykorzystano warstwowy model Coxa z interakcjami. Dane statystyczne urzędów pracy wskazują, że duży odsetek osób bezrobotnych wielokrotnie korzysta z pośrednictwa urzędów w poszukiwaniu pracy. Wiele z tych osób rezygnuje z tego pośrednictwa i zostaje wykreślonych z rejestru. W artykule porównano intensywność wyrejestrowania z różnych powodów dla kobiet i mężczyzn. W badaniu wykorzystano dane indywidualne o osobach zarejestrowanych w Powiatowym Urzędzie Pracy w Szczecinie w 2013 roku. Obserwowano historię ich rejestracji do końca 2014 roku. Płeć osób bezrobotnych wpływała na intensywność wyrejestrowania z dowolnego powodu, z powodu podjęcia pracy i wykreślenia w pierwszych, częściowo drugich i częściowo trzecich epizodach. Natomiast nie wpływała na intensywność wyrejestrowania w czwartych i dalszych epizodach. W przypadku wyrejestrowania z pozostałych powodów różnice w intensywnościach również nie były istotne statystycznie. Zaproponowana analiza jest ważna z punktu widzenia polityki rynku pracy. Interesująca jest identyfikacja nie tylko osób podejmujących zatrudnienie, ale również tych, które rezygnują z pośrednictwa urzędu pracy.

Pobrania

Brak dostępnych danych do wyświetlenia.

Bibliografia

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

Bieszk‑Stolorz B. (2017a), Cumulative Incidence Function in Studies on the Duration of the Unemployment Exit Process, “Folia Oeconomica Stetinensia”, vol. 17, issue 1, pp. 138–150.
Google Scholar

Bieszk‑Stolorz B. (2017b), Funkcja skumulowanej częstości i modele hazardu w ocenie konkurujących form wyjścia z bezrobocia, “Taksonomia”, no. 29, “Prace Naukowe UE we Wrocławiu”, no. 469, pp. 21–31, doi: 10.15611/pn.2017.469.02.
Google Scholar

Bieszk‑Stolorz B., Markowicz I. (2012), Modele regresji Coxa w analizie bezrobocia, CeDeWu, Warszawa.
Google Scholar

Bijwaard G.E., Franses P.H., Paap R. (2006), Modeling Purchases as Repeated Events, “Journal of Business & Economic Statistics”, vol. 24, no. 4, pp. 487–502, doi.org
Google Scholar

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

Gałecka‑Burdziak E. (2016), Multiple unemployment spells duration in Poland, Szkoła Główna Handlowa, Kolegium Analiz Ekonomicznych Working Papers Series, 2016/019, http://kolegia.sgh.waw.pl/pl/KAE/Documents/WorkingPapersKAE/WPKAE_2016_019.pdf [accessed: 15.01.2018].
Google Scholar

Gałecka‑Burdziak E., Góra M. (2017), How Do Unemployed Workers Behave Prior to Retirement? A Multi‑State Multiple‑Spell Approach, Discussion Paper Series, IZA DP no. 10680, ftp.iza.org [accessed: 15.01.2018].
Google Scholar

Guo Z., Gill T.M., Allore H.G. (2008), Modeling repeated time‑to‑event health conditions with discontinuous risk intervals: an example of a longitudinal study of functional disability among older persons, “Methods of Information in Medicine”, vol. 47, issue 2, pp. 107–116.
Google Scholar

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

Jiang S.T, Landers T.L. Rhoads T.R. (2006), Proportional Intensity Models Robustness with Overhaul Intervals, “Quality and Reliability Engineering International”, vol. 22, issue 3, pp. 251–263.
Google Scholar

Kaplan E.L., Meier P. (1958), Non‑parametric estimation from incomplete observations, “Journal of American Statistical Association”, vol. 53, pp. 457–481.
Google Scholar

Kleinbaum D., Klein M. (2005), Survival Analysis. A Self‑Learning Text, Springer, New York.
Google Scholar

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

Prentice R.L., Williams B.J., Peterson A.V. (1981), On the regression analysis of multivariate failure time data, “Biometrika”, no. 68, pp. 373–379.
Google Scholar

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”, no. 13, pp. 293.
Google Scholar

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.
Google Scholar

Sokołowski A. (2010), Jak rozumieć i wykonywać analizę przeżycia, https://media.statsoft.pl/_old_dnn/downloads/jak_rozumiec_i_wykonac_analize_przezycia.pdf [accessed: 20.01.2018].
Google Scholar

Tan K.S. (2014), Regression Modeling of Longitudinal Outcomes With Outcome‑Dependent Observation Times, “Publicly Accessible Penn Dissertations”, vol. 1467, http://repository.upenn.edu/edissertations/1467 [accessed: 15.06.2017].
Google Scholar

Twisk J.W.R., Smidt N., Vente W. de (2005), Applied analysis of recurrent events: a practical overview, “Journal of Epidemiology and Community Health”, vol. 59, issue 8, pp. 706–710.
Google Scholar