寿命データでの回帰分析のデータに関する考慮事項

有効な結果が確実に得られるようにするため、データの収集、分析の実行、および結果の解釈時には、次のガイドラインを考慮してください。

応答変数は連続量である
連続データは、小数値や10進数値を含め、潜在的に連続尺度での一定範囲内の任意の数値をとる測定値です。 応答データが故障時間(または他の単位)の連続測定ではなく、2値(考えられる結果が2つだけ)である場合、プロビット分析を使用します。
応答データは故障時間です
データを収集するには、通常1つ以上の変数および/または因子で測定される異なる条件下で品目が故障するまでの時間を測定します。たとえば、異なる温度で稼働する品目の故障までの時間を測定します。
故障時間は独立している必要があります
ある品目の故障時間は、別の品目の故障時間に影響しません。故障時間が影響する場合、結果が正しくならない場合があります。たとえば、修復可能システムの故障間隔は、通常独立していません。
打ち切りデータについて考慮する必要があります

寿命データは打ち切られる場合が多く、いくつかの品目の正確な故障時間は不明になります。打ち切られた観測値がある場合、正確な信頼性推定値を得るために分析に含める必要があります。

右打ち切りを使用して、故障していない品目に対する成功時間を認めます。区間打ち切りや左打ち切りを使用して、正確な故障時間が不明な場合の不確実性を考慮に入れます。詳細については、打ち切りデータを参照してください。

モデルには、9までの因子と50までの共変量を含めることができます
予測変数は、因子(カテゴリ変数)または共変量(連続変数)です。予測変数は、因子であると指定した場合を除いて、共変量であるとみなされます。
モデル項は、予測変数から作成したもので、因子、共変量、交互作用、または枝分かれ項として扱うことができます。因子は、交差または枝分かれ型です。共変量を他の共変量または因子と交差させたり、因子内で枝分かれさせたりできます。
モデルはデータに適合させる必要があります
正確な結果を得るには、分布適合度および等形状パラメータ(ワイブルと指数)または等尺度パラメータ(その他の分布)を含むモデルの仮定が、データに適切である必要があります。工学的および経験的知識を活用して、分布モデルを選択します。次に、標準化残差およびCox-Snell残差の確率プロットを調べて、モデルの仮定が適切かどうか判断します。
モデルは、フルランクで階層型である必要があります。
階層モデルに交互作用項が含まれている場合は、それより下方の階層のすべての交互作用項と、その交互作用項を構成する予測変数もモデルに組み込まれていなければなりません。フルランクモデルには、モデル内のすべての項を推定するために十分なデータが含まれます。不足データ、不十分なデータ、または高い共線性がある場合、モデルはフルランクになりません。モデルがフルランクでない場合、分析実行時に警告されます。多くの場合、重要ではない高階層の交互作用項を削除することでこの問題を解決できます。詳細については、寿命データの回帰分析モデルに対する制約を参照してください。
本サイトを使用すると、分析およびコンテンツのカスタマイズのためにクッキーが使用されることに同意したことになります。  当社のプライバシーポリシーをご確認ください