a) Tujuan Penelitian
Tujuan penelian ini adalah untuk menunjukkan bagaimana memperkirakan risiko relatif
dengan menggunakan model regresi Poisson dengan varian kesalahan yang kuat.
Penggunaan regresi Poisson dengan istilah kesalahan sandwich untuk memperkirakan
risiko relatif secara konsisten dan efisien. Karena prosedur ini hampir sama dengan
analisis regresi logistik (yang membedakan yaitu dalam hal variabel responnya), tidak
ada pembenaran untuk mengandalkan regresi logistik ketika risiko relatif adalah
parameter kepentingan utama.
Regresi Poisson biasanya dianggap sebagai pendekatan yang tepat untuk menganalisis
peristiwa langka ketika subyek diikuti untuk jangka waktu yang bervariasi. Ketika regresi
Poisson diterapkan pada data binomial, kesalahan untuk estimasi risiko relatif akan ditaksir
terlalu tinggi ( 11 ). Namun, masalah ini dapat diperbaiki dengan menggunakan prosedur varians
kesalahan kuat yang dikenal sebagai estimasi sandwich ( 13 ), sehingga mengarah ke teknik yang
saya sebut regresi Poisson termodifikasi.
𝑙𝑜𝑔[𝜋(𝑥𝑖)] = 𝛼 + 𝛽𝑥𝑖
Risiko relatif (RR) kemudian diberikan oleh 𝑒𝑥𝑝(𝛽). Jika seorang Poisson distribusi
diasumsikan untuk 𝑦𝑖, kemungkinan log diberikan oleh
𝑐
exp(𝛼̂) =
𝑛0
𝑎𝑛0
𝑅𝑅̂ = exp(𝛽̂ )) =
𝑐𝑛1
̂ (𝑅𝑅̂ ) = 𝑉𝑎 + 𝑉𝑐
𝑣𝑎𝑟
Sekarang, karena istilah kesalahan salah ditentukan ketika data yang mendasarinya
didistribusikan secara biner, penaksir sandwich digunakan untuk melakukan koreksi yang sesuai.
Varians yang dikoreksi dapat dengan mudah ditampilkan untuk diberikan oleh
𝑛𝑖 𝑛𝑖
1 1
̂ (𝑅𝑅̂ ) = 2 ∑[𝑦𝑖— exp(𝛼 + 𝛽)]2 + 2 ∑[𝑦𝑖— exp(𝛼)]2
𝑣𝑎𝑟
𝑎 𝑐
𝑖=1 𝑖=1
1 1 1 1
̂ (𝑅𝑅̂ ) =
𝑣𝑎𝑟 − + −
𝑎 𝑛1 𝑐 𝑛0
Perhatikan bahwa penaksir ini identik dengan penaksir varians tradisional yang
diturunkan dengan menggunakan metode delta ( 14 , p. 455). Perpanjangan hasil ini yang
mencakup penyesuaian kovariat dapat diperoleh dengan menggunakan langkah-langkah yang
diuraikan di tempat lain (Lachin, bagian A.9 ( 14 )).
d) Metode
Untuk memvalidasi prosedur ini secara numerik, saya mengevaluasi kinerja pendekatan
regresi Poisson yang dimodifikasi dalam hal bias relatif untuk estimasi titik dan
persentase cakupan interval kepercayaan.
e) Kesimpulan