Nhóm 11.1: Sống sót phi tham số (nonparametric)
nonparametric) là phân nhánh chuyên sâu thuộc Chương 11: Phân tích sống sót, thời gian sự kiện và rủi ro cạnh tranh, quy tụ 2 phương pháp ước lượng (từ B171 đến B172). Phần tổng quan này giúp chúng ta so sánh trực diện điều kiện áp dụng, cấu trúc toán học và cú pháp thực thi trên Stata 18 MP, R 4.x và Python 3.11+ để chọn đúng mô hình cho bài toán nghiên cứu.1. Bản chất Học thuật & Vị trí của Nhóm 11.1 (Sống sót phi tham số)
Khi triển khai nghiên cứu định lượng trong miền Phân tích sống sót, thời gian sự kiện và rủi ro cạnh tranh, chúng ta thường đứng trước câu hỏi: giữa 2 mô hình cùng thuộc nhóm phương pháp con (econometric sub-group, nonparametric), đâu là công cụ khớp nhất với quá trình sinh dữ liệu (DGP) của đề tài?
Mọi phương pháp trong Nhóm 11.1 đều xuất phát từ khung biểu diễn đại số cơ sở của chương như trình bày tại công thức (1):
$$h(t mid X_i) = h_0(t)exp(X_i^top beta), quad S(t mid X_i) = expleft(-int_0^t h(u mid X_i),duright) tag{1}$$
Sự khác biệt giữa các mô hình từ B171 (kaplan_meier) đến B172 (nelson_aalen) nằm ở cách chúng ta đặt giả định lên phân phối của sai số ngẫu nhiên, cấu trúc nội sinh và phương pháp tối ưu hóa hàm mục tiêu từ công thức (1).
2. Bảng So sánh Trực diện 2 Mô hình thuộc Nhóm 11.1
Bảng đối chiếu dưới đây giúp bạn nhìn tổng thể toàn bộ 2 bài học trong Nhóm 11.1 kèm câu lệnh cốt lõi trên cả ba phần mềm:
| Mã Bài | model_key |
Tên Mô hình (VI / EN) | Cấp độ | Lệnh Thực thi Chuẩn (Stata 18 · R 4.x · Python 3.11+) | Ý nghĩa Kinh tế lượng Trọng tâm |
|---|---|---|---|---|---|
| B171 | kaplan_meier |
Ước lượng đường cong sống sót phi tham số tích giới hạn Kaplan–Meier và kiểm định Log-Rank Kaplan-Meier |
L1 | Stata: stset duration, failure(event) -> sts list -> sts test groupR: survival::survfit(Surv(duration, event) ~ group, data = df)Python: KaplanMeierFitter().fit(df['duration'], event_observed=df['event']) |
Phương pháp Ước lượng đường cong sống sót phi tham số tích giới hạn Kaplan–Meier và kiểm định Log-Rank (Kaplan-Meier) trong họ mô hình phân tích sống sót, thời gian sự kiện và rủi ro cạnh tranh, giúp ước lượng chính xác tham số cấu trúc và kiểm định giả thuyết kinh tế lượng. |
| B172 | nelson_aalen |
Ước lượng hàm nguy cơ tích lũy phi tham số Nelson–Aalen Nelson-Aalen |
L2 | Stata: stset duration, failure(event) -> sts list, naR: survival::survfit(Surv(duration, event) ~ 1, type = 'fh', data = df)Python: NelsonAalenFitter().fit(df['duration'], event_observed=df['event']) |
Phương pháp Ước lượng hàm nguy cơ tích lũy phi tham số Nelson–Aalen (Nelson-Aalen) trong họ mô hình phân tích sống sót, thời gian sự kiện và rủi ro cạnh tranh, giúp ước lượng chính xác tham số cấu trúc và kiểm định giả thuyết kinh tế lượng. |
3. Hướng dẫn Chọn nhanh Mô hình Phù hợp trong Nhóm 11.1
Dựa trên kinh nghiệm phản biện và hướng dẫn luận văn, luận án thực tế, chúng ta có thể áp dụng quy tắc chọn nhanh sau đây:
- Chọn B171 — Ước lượng đường cong sống sót phi tham số tích giới hạn Kaplan–Meier và kiểm định Log-Rank (
kaplan_meier) khi: Áp dụng khi nghiên cứu Thời gian tồn tại của doanh nghiệp mới thành lập và các bài toán thuộc nhóm sống sót phi tham số. (Kiểm định kèm theo: Log-Rank & Wilcoxon Test, Grambsch–Therneau Schoenfeld Proportional Hazards Test, Cox–Snell Residuals, Gray’s CIF Equality Test). - Chọn B172 — Ước lượng hàm nguy cơ tích lũy phi tham số Nelson–Aalen (
nelson_aalen) khi: Áp dụng khi nghiên cứu Tích lũy nguy cơ rút lui khỏi thị trường xuất khẩu và các bài toán thuộc nhóm sống sót phi tham số. (Kiểm định kèm theo: Log-Rank & Wilcoxon Test, Grambsch–Therneau Schoenfeld Proportional Hazards Test, Cox–Snell Residuals, Gray’s CIF Equality Test).
↑ Quay lại Tổng quan Chương 11: Chương 11 — Phân tích sống sót, thời gian sự kiện và rủi ro cạnh tranh
→ Đi tới Bài học đầu tiên của Nhóm 11.1: Bài B171 — Ước lượng đường cong sống sót phi tham số tích giới hạn Kaplan–Meier và kiểm định Log-Rank (
kaplan_meier)→ Thực hành trực tiếp trên EcoLab: Mở Phòng thí nghiệm Kinh tế lượng EcoLab (Tri-Engine)
Bài liên quan
- Bài B171: Ước lượng đường cong sống sót phi tham số tích giới hạn Kaplan–Meier và kiểm định Log-Rank (Kaplan-Meier — kaplan_meier)Cấp độ 1: Nền tảng (Foundation)Dữ liệu Việt Nam (EcoData)Thực hành Trực tiếp (EcoLab)Tri-Engine Verified (Stata · R · Python)
- Bài B172: Ước lượng hàm nguy cơ tích lũy phi tham số Nelson–Aalen (Nelson-Aalen — nelson_aalen)Cấp độ 2: Trung cấp (Intermediate)Dữ liệu Việt Nam (EcoData)Thực hành Trực tiếp (EcoLab)Tri-Engine Verified (Stata · R · Python)