検閲されたデータモデルのベイジアンカイ2乗オブフィットテスト

検閲に伴うデータの分析のために、ベイジアンカイ二乗モデルの診断を提案します。テスト統計は、ピアソンのカイ二乗検定統計の形式を持ち、マルコフチェーンモンテカルロアルゴリズムの標準出力から簡単に計算できます。この診断の重要な革新は、観察された故障時間のみに基づいていることです。検閲された観察のための失敗時間の帰属に依存していないため、激しい検閲の下では、完全なデータに基づいた同等のテストよりもモデルの出発を検出するために高い力があることを示しています。シミュレーション研究では、この診断に基づいたテストは、Akritas（1988、Journal of the American Statistical Association 83、222-230）によって提案されている一般的に使用される代替テストよりも、同等のパワーと優れた名目I型エラー率を示すテストを示しています。提案された診断の重要な利点は、一般化された線形モデルや非同時分布エラー構造と非加熱エラー構造を持つ他のモデルを含む、幅広いクラスの検閲データモデルに適用できることです。スペースシャトルメインエンジン障害の2つのパラメトリック生存モデルの妥当性をテストするための提案されたモデル診断を示します。

We propose a Bayesian chi-squared model diagnostic for analysis of data subject to censoring. The test statistic has the form of Pearson's chi-squared test statistic and is easy to calculate from standard output of Markov chain Monte Carlo algorithms. The key innovation of this diagnostic is that it is based only on observed failure times. Because it does not rely on the imputation of failure times for observations that have been censored, we show that under heavy censoring it can have higher power for detecting model departures than a comparable test based on the complete data. In a simulation study, we show that tests based on this diagnostic exhibit comparable power and better nominal Type I error rates than a commonly used alternative test proposed by Akritas (1988, Journal of the American Statistical Association 83, 222-230). An important advantage of the proposed diagnostic is that it can be applied to a broad class of censored data models, including generalized linear models and other models with nonidentically distributed and nonadditive error structures. We illustrate the proposed model diagnostic for testing the adequacy of two parametric survival models for Space Shuttle main engine failures.