Efficient Bayesian Nonparametric Hazard Regression
Dieser Beitrag modelliert die log-kumulative Baseline-Hazard des Coxschen Regressionsmodells mittels Bayesianischer, monotoner P-splines. Der Ansatz ermöglicht schnelle Rechenoperationen, die Berücksichtigung von beliebigen Zensierungsmechanismen und die Einbeziehung von nicht-parametrischen Effekten. Durch die Kombination des Restricted Mean Survival Time Ansatzes mit Partial Dependence Plots wird die Interpretation von metrischen und nicht-metrischen Variablen vereinfacht. Dabei wird die Recheneffizienz der Methoden ausgenutzt. So können Effekte direkt in Bezug auf Überlebenszeiten interpretiert werden. Monte Carlo Simulationen zeigen, dass die vorgeschlagenen Methoden gut funktionieren. Der Ansatz wird mittels eines großen Datensatzes, bestehend aus Immobilienanzeigen, illustriert.