সারভাইভাল ডেটাতে সেন্সরিং এবং ট্রাঙ্কেশন

যদি একটি পারফর্মিং লোন ডেটা কাটঅফ পর্যন্ত পৌঁছে যায়, তবে এর ডিফল্ট সময় অজানা তবে এটি পর্যবেক্ষণ করা সময়কাল অতিক্রম করতে পরিচিত। এটি বাতিল করা বৈধ এক্সপোজার তথ্য হারায়।

বেঁচে থাকার পদ্ধতিগুলি পর্যবেক্ষণের সময়কাল এবং ঘটনা সম্পর্কে যা জানা যায় উভয়ই এনকোড করে। একটি সেন্সরকৃত রেকর্ড একটি অনুপস্থিত সারি নয় এবং চিরকালের জন্য নিশ্চিত হওয়া কোন ঘটনা নয়।

প্রতিটি সেন্সরিং কারণ আলাদাভাবে রেকর্ড করা উচিত. প্রশাসনিক অধ্যয়নের সমাপ্তি, গ্রাহকের অন্তর্ধান, ডেটা ব্যর্থতা, এবং চুক্তি প্রস্থান বিভিন্ন অনুমান বোঝায়।

রাইট সেন্সরিং বলে যে ঘটনাটি শেষ পরিচিত সময়ের পরে ঘটে। ডিফল্ট, মন্থন বা বন্ধ হওয়ার আগে ফলো-আপ শেষ হলে এটি সাধারণ।

বাম সেন্সরিং বলছে যে ঘটনাটি সনাক্তকরণের সময়ের আগেই ঘটেছে। ব্যবধান সেন্সরিং একটি সঠিক টাইমস্ট্যাম্প ছাড়াই দুটি পরিদর্শনের মধ্যে এটিকে সনাক্ত করে।

একটি ব্যবধানকে এর মধ্যবিন্দু দ্বারা প্রতিস্থাপন করা নির্ভুলতা আবিষ্কার করে এবং বন্টনকে পক্ষপাতিত্ব করতে পারে। টার্নবুল-টাইপ অনুমানকারীরা ব্যবধানের তথ্য সরাসরি ধরে রাখে।

বাম ছেঁটে ফেলার সাথে, একটি ইউনিট কেবল তখনই পরিলক্ষিত হয় যদি এটি প্রবেশের জন্য যথেষ্ট দীর্ঘ বেঁচে থাকে। পূর্বের ব্যর্থতাগুলি একটি অসম্পূর্ণ সময়ের সাথে উপস্থিত হওয়ার পরিবর্তে অনুপস্থিত।

একটি তহবিল ডাটাবেস যা কভারেজ শুরু হলে শুধুমাত্র জীবিত তহবিল অন্তর্ভুক্ত করে সারভাইভারশিপ নির্বাচন তৈরি করে। সাধারণ ঝুঁকি টেকসই তহবিলের অতিরিক্ত প্রতিনিধিত্ব করে।

বিলম্বিত-প্রবেশ পদ্ধতি শুধুমাত্র প্রবেশের সময় ঝুঁকি সেটে একটি ইউনিট যোগ করে। বৈধতার জন্য এখনও এন্ট্রি এবং ভবিষ্যত ইভেন্টের সময় প্রয়োজন উপযুক্তভাবে স্বাধীন প্রদত্ত কোভেরিয়েট।

Kaplan-Meier পর্যবেক্ষিত অতীত তথ্য সম্পর্কিত সেন্সরিং সহ্য করতে পারে যদি, বিশ্লেষণ কাঠামোর শর্তসাপেক্ষে, সেন্সরিং ভবিষ্যতে ইভেন্টের সময় সম্পর্কে আর কোন তথ্য প্রকাশ না করে।

একটি নির্দিষ্ট তারিখে প্রশাসনিক সেন্সরিং ক্রেডিট মানের অবনতি বা একটি আসন্ন প্ল্যাটফর্ম প্রস্থানের কারণে ড্রপআউটের চেয়ে প্রায়ই বেশি যুক্তিযুক্ত।

অনুরূপ সেন্সরিং শতাংশ দ্বারা অনুমান প্রমাণিত হয় না. প্রক্রিয়াটি বোঝার জন্য ক্ষতির আগে কারণ, সময়, কোভারিয়েট ইতিহাস এবং ঘটনার হার তুলনা করুন।

সম্পূর্ণ-কেস বিশ্লেষণ শুধুমাত্র পর্যবেক্ষিত ইভেন্টগুলি ধরে রাখে এবং সংক্ষিপ্ত সময়কালের ওভারস্যাম্পল। সেন্সরিংকে একটি ইভেন্ট হিসাবে বিবেচনা করা ফলাফলের সংজ্ঞা পরিবর্তন করে।

পূর্ণ দিগন্তের মাধ্যমে প্রতিটি সেন্সরকৃত ইউনিটকে ঘটনা-মুক্ত হিসাবে বিবেচনা করা বেঁচে থাকাকে অতিরঞ্জিত করে। শেষ পর্যবেক্ষণে একই কাঠামোগত সমস্যা রয়েছে।

পুনঃঅর্থায়নের মতো প্রতিযোগিতামূলক ইভেন্টগুলি স্বয়ংক্রিয়ভাবে সেন্সর হয় না। যদি তারা ডিফল্ট প্রতিরোধ করে, তারা একটি প্রতিযোগিতামূলক-ঝুঁকি অনুমান বা একটি স্পষ্টভাবে সংজ্ঞায়িত অনুমান বিশ্লেষণের অন্তর্গত।

সেন্সরিং ওয়েটিং এর বিপরীত সম্ভাবনা অনুমান করে প্রতিটি ইউনিটের অবলোকনযোগ্য এবং উর্ধ্বগতির ইতিহাসগুলি যা অদৃশ্য হয়ে গেছে তার অনুরূপ থাকার সম্ভাবনা।

এটি শর্তাধীন স্বাধীন সেন্সরিং এবং প্রাসঙ্গিক ইতিহাস জুড়ে ইতিবাচক পর্যবেক্ষণ সম্ভাবনার জন্য যথেষ্ট পরিমাপিত ভবিষ্যদ্বাণীর প্রয়োজন।

শূন্যের কাছাকাছি সম্ভাব্যতা চরম ওজন এবং অস্থির অনুমান তৈরি করে। সেন্সরিং ঝুঁকি জুড়ে ওজন বিতরণ, কার্যকর নমুনার আকার, ছেঁটে ফেলার নিয়ম এবং ভারসাম্য দেখান।

ঋণ উৎপত্তির পরে প্রবেশ করতে পারে, বিক্রয়ের মাধ্যমে ছেড়ে যেতে পারে, পুনঃঅর্থায়ন, চার্জ-অফ, বা বিক্রেতার কভারেজ পরিবর্তন, প্রতিটির একটি স্বতন্ত্র অর্থ রয়েছে।

বিকল্প ডাটাবেসগুলি একটি শুরুর তারিখের আগে মেয়াদোত্তীর্ণ তালিকাগুলি বাদ দিতে পারে, যখন হেজ-ফান্ড ডেটাবেসগুলি শুধুমাত্র সফল ইতিহাসগুলিকে ব্যাকফিল করতে পারে। এগুলি হল নির্বাচন এবং ছাঁটাই সংক্রান্ত সমস্যা।

উৎস জনসংখ্যা থেকে বিশ্লেষণ ঝুঁকি সেট পর্যন্ত একটি প্রবাহ চিত্র তৈরি করুন। একটি বড় ডেটাসেট একটি নির্বাচনী পর্যবেক্ষণ প্রক্রিয়া সংশোধন করে না।

সেন্সরিং কারণ, ক্যালেন্ডার উইন্ডো, ফলো-আপ ক্যাপ, বিলম্বিত-প্রবেশের নিয়ম, ওজন মডেল এবং ওজন ট্রাঙ্কেশন থ্রেশহোল্ড দ্বারা অনুমান পুনরাবৃত্তি করুন।

সেন্সর করা এবং ধরে রাখা ইউনিটের পর্যবেক্ষিত বৈশিষ্ট্য এবং পূর্বের ফলাফলের তুলনা করুন। নেতিবাচক নিয়ন্ত্রণ বা লিঙ্ক করা ডেটা অন্যথায় লুকানো প্রস্থান প্রকাশ করতে পারে।

রিপোর্ট করুন কোন অনুমানগুলি লক্ষ্য চিহ্নিত করে, কোনটি পরীক্ষাযোগ্য ডায়গনিস্টিক, এবং কীভাবে যুক্তিসঙ্গত তথ্যমূলক-সেন্সরিং পরিস্থিতিতে পরিবর্তিত হয়।