Erweiterung des Cox-Proportional-Hazards-Modells um latente Faktoren und latente Klassen

Abstract

Strukturgleichungsmodelle sind ein nützliches Werkzeug, um Zusammenhänge abzubilden. Außerdem können multikollineare oder ähnliche Parameter zu latenten Variablen zusammengefasst werden. Diese Erweiterungen sind auch für Fragestellungen in der Ereigniszeitanalyse möglich. Dazu wird das Standard-Modell der Überlebenszeitanalyse, die Cox-Propotional-Hazards-Regression, mit einem Strukturgleichungsmodell kombiniert. Dieser Ansatz ist relativ neu und die Modelle wurden bislang nur selten verwendet.

In dieser Dissertation werden die Anwendungsmöglichkeiten der Cox-Regression in Kombination mit einem Strukturgleichungsmodell demonstriert werden. Die betrachteten latenten Variablen können kategorielles oder kontinuierliches Skalenniveau besitzen. Anhand von Beispielen werden die Vor- und Nachteile der Modellansätze im Vergleich zur Standard-Cox-Regression diskutiert werden. Die Prognosegüte der Modelle wird anhand von verschiedenen Kennzahlen verglichen werden. Des Weiteren wird die Belastbarkeit der neuen Modelle mithilfe des Bootstrapping-Verfahrens untersucht.

Die Überlegenheit der Modelle kann in dieser Arbeit gezeigt werden, diese sind reliabel und in der Lage, einen tieferen Einblick in komplexe Zusammenhänge zwischen Kovariaten in der Ereigniszeitanalyse zu geben. Diese Vorzüge gibt es nicht umsonst, das Modell ist deutlich komplexer. Dennoch spricht alles für die vermehrte Verwendung dieser Modellklassen. Die Berechnung ist mit Mplus relativ einfach und es wurde gezeigt, wie vielfältig die Anwendungsmöglichkeiten sind.