Phương pháp thống kê dữ liệu chỉ biết giá trị tối thiểu / tối đa

Có một nhánh thống kê liên quan đến dữ liệu mà các giá trị chính xác không được biết , nhưng đối với mỗi cá nhân, chúng tôi biết mức tối đa hoặc tối thiểu ràng buộc với giá trị ?

I suspect that my problem stems largely from the fact that I am struggling to articulate it in statistical terms, but hopefully an example will help to clarify:

Giả sử có hai quần thể và B được kết nối sao cho, tại một số điểm, các thành viên của A có thể "chuyển đổi" thành B , nhưng điều ngược lại là không thể. Thời gian của quá trình chuyển đổi là thay đổi, nhưng không ngẫu nhiên. Ví dụ: A có thể là "cá thể không có con" và B "cá thể có ít nhất một con". Tôi quan tâm đến độ tuổi sự tiến triển này xảy ra nhưng tôi chỉ có dữ liệu cắt ngang. Đối với bất kỳ cho cá nhân, tôi có thể tìm hiểu xem họ thuộc về một hoặc B . Tôi cũng biết tuổi của những cá nhân này. Đối với mỗi cá nhân trong dân số $A$$B$$A$$B$$A$$B$$A$$B$$A$, Tôi biết rằng độ tuổi chuyển đổi sẽ TUYỆT VỜI hơn tuổi hiện tại của họ. Tương tự như vậy, đối với các thành viên của , tôi biết rằng độ tuổi chuyển đổi là ÍT HƠN tuổi hiện tại của họ. Nhưng tôi không biết các giá trị chính xác.$B$

Nói rằng tôi có một số yếu tố khác mà tôi muốn so sánh với độ tuổi chuyển đổi. Ví dụ, tôi muốn biết liệu phân loài hoặc kích thước cơ thể của một cá nhân có ảnh hưởng đến tuổi của con cái đầu tiên hay không. Tôi chắc chắn có một số thông tin hữu ích cần thông báo cho những câu hỏi đó: trung bình, các cá nhân trong , các cá nhân lớn tuổi sẽ có sự chuyển đổi sau này. Nhưng thông tin là không hoàn hảo , đặc biệt là cho các cá nhân trẻ tuổi. Và ngược lại cho dân B .$A$$B$

Có phương pháp thành lập để đối phó với loại dữ liệu này ? Tôi không nhất thiết cần một phương pháp đầy đủ để thực hiện phân tích như vậy, chỉ cần một số thuật ngữ tìm kiếm hoặc tài nguyên hữu ích để bắt đầu tôi ở đúng nơi!

Hãy cẩn thận: Tôi đang thực hiện giả định đơn giản hóa rằng việc chuyển đổi từ sang B là tức thời. Tôi cũng chuẩn bị cho rằng hầu hết các cá nhân sẽ đến một lúc nào đó tiến tới B , cho rằng họ sống đủ lâu. Và tôi nhận ra rằng dữ liệu theo chiều dọc sẽ rất hữu ích, nhưng giả sử rằng nó không có sẵn trong trường hợp này.$A$$B$$B$

Xin lỗi nếu đây là một bản sao, như tôi đã nói, một phần của vấn đề của tôi là tôi không biết mình nên tìm kiếm cái gì. Vì lý do tương tự, vui lòng thêm các thẻ khác nếu thích hợp.

Sample dataset: Ssp indicates one of two subspecies, $X$ or $Y$. Offspring indicates either no offspring ($A$) or at least one offspring ($B$)

 age ssp offsp
  21   Y     A
  20   Y     B
  26   X     B
  33   X     B
  33   X     A
  24   X     B
  34   Y     B
  22   Y     B
  10   Y     B
  20   Y     A
  44   X     B
  18   Y     A
  11   Y     B
  27   X     A
  31   X     B
  14   Y     B
  41   X     B
  15   Y     A
  33   X     B
  24   X     B
  11   Y     A
  28   X     A
  22   X     B
  16   Y     A
  16   Y     B
  24   Y     B
  20   Y     B
  18   X     B
  21   Y     B
  16   Y     B
  24   Y     A
  39   X     B
  13   Y     A
  10   Y     B
  18   Y     A
  16   Y     A
  21   X     A
  26   X     B
  11   Y     A
  40   X     B
   8   Y     A
  41   X     B
  29   X     B
  53   X     B
  34   X     B
  34   X     B
  15   Y     A
  40   X     B
  30   X     A
  40   X     B

Edit: example dataset changed as it wasn't very representative

This is referred to as current status data. You get one cross sectional view of the data, and regarding the response, all you know is that at the observed age of each subject, the event (in your case: transitioning from A to B) has happened or not. This is a special case of interval censoring.

To formally define it, let $T_i$ be the (unobserved) true event time for subject $i$. Let $C_i$ the inspection time for subject $i$ (in your case: age at inspection). If $C_i < T_i$, the data are right censored. Otherwise, the data are left censored. We are interesting in modeling the distribution of $T$. For regression models, we are interested in modeling how that distribution changes with a set of covariates $X$.

To analyze this using interval censoring methods, you want to put your data into the general interval censoring format. That is, for each subject, we have the interval $(l_i, r_i)$, which represents the interval in which we know $T_i$ to be contained. So if subject $i$ is right censored at inspection time $c_i$, we would write $(c_i, \infty)$. If it is left censored at $c_i$, we would represent it as $(0, c_i)$.

Shameless plug: if you want to use regression models to analyze your data, this can be done in R using icenReg (I'm the author). In fact, in a similar question about current status data, the OP put up a nice demo of using icenReg. He starts by showing that ignoring the censoring part and using logistic regression leads to bias (important note: he is referring to using logistic regression without adjusting for age. More on this later.)

Another great package is interval, which contains log-rank statistic tests, among other tools.

EDIT:

@EdM suggested using logistic regression to answer the problem. I was unfairly dismissive of this, saying that you would have to worry about the functional form of time. While I stand behind the statement that you should worry about the functional form of time, I realized that there was a very reasonable transformation that leads to a reasonable parametric estimator.

In particular, if we use log(time) as a covariate in our model with logistic regression, we end up with a proportional odds model with a log-logistic baseline.

To see this, first consider that the proportional odds regression model is defined as

$\text{Odds}(t|X, \beta) = e^{X^T \beta} \text{Odds}_o(t)$

where $\text{Odds}_o(t)$ is the baseline odds of survival at time $t$. Note that the regression effects are the same as with logistic regression. So all we need to do now is show that the baseline distribution is log-logistic.

Now consider a logistic regression with log(Time) as a covariate. We then have

$P(Y = 1 | T = t) = \frac{\exp(\beta_0 + \beta_1 \log(t))}{1 + \exp(\beta_0 + \beta_1\log(t))}$

With a little work, you can see this as the CDF of a log-logistic model (with a non-linear transformation of the parameters).

R demonstration that the fits are equivalent:

> library(icenReg)
> data(miceData)
> 
> ## miceData contains current status data about presence 
> ## of tumors at sacrifice in two groups
> ## in interval censored format: 
> ## l = lower end of interval, u = upper end
> ## first three mice all left censored
> 
> head(miceData, 3)
  l   u grp
1 0 381  ce
2 0 477  ce
3 0 485  ce
> 
> ## To fit this with logistic regression, 
> ## we need to extract age at sacrifice
> ## if the observation is left censored, 
> ## this is the upper end of the interval
> ## if right censored, is the lower end of interval
> 
> age <- numeric()
> isLeftCensored <- miceData$l == 0
> age[isLeftCensored] <- miceData$u[isLeftCensored]
> age[!isLeftCensored] <- miceData$l[!isLeftCensored]
> 
> log_age <- log(age)
> resp <- !isLeftCensored
> 
> 
> ## Fitting logistic regression model
> logReg_fit <- glm(resp ~ log_age + grp, 
+                     data = miceData, family = binomial)
> 
> ## Fitting proportional odds regression model with log-logistic baseline
> ## interval censored model
> ic_fit <- ic_par(cbind(l,u) ~ grp, 
+            model = 'po', dist = 'loglogistic', data = miceData)
> 
> summary(logReg_fit)

Call:
glm(formula = resp ~ log_age + grp, family = binomial, data = miceData)

Deviance Residuals: 
    Min       1Q   Median       3Q      Max  
-2.1413  -0.8052   0.5712   0.8778   1.8767  

Coefficients:
             Estimate Std. Error z value Pr(>|z|)   
(Intercept)  18.3526     6.7149   2.733  0.00627 **
log_age      -2.7203     1.0414  -2.612  0.00900 **
grpge        -1.1721     0.4713  -2.487  0.01288 * 
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

(Dispersion parameter for binomial family taken to be 1)

    Null deviance: 196.84  on 143  degrees of freedom
Residual deviance: 160.61  on 141  degrees of freedom
AIC: 166.61

Number of Fisher Scoring iterations: 5

> summary(ic_fit)

Model:  Proportional Odds
Baseline:  loglogistic 
Call: ic_par(formula = cbind(l, u) ~ grp, data = miceData, model = "po", 
    dist = "loglogistic")

          Estimate Exp(Est) Std.Error z-value        p
log_alpha    6.603 737.2000   0.07747  85.240 0.000000
log_beta     1.001   2.7200   0.38280   2.614 0.008943
grpge       -1.172   0.3097   0.47130  -2.487 0.012880

final llk =  -80.30575 
Iterations =  10 
> 
> ## Comparing loglikelihoods
> logReg_fit$deviance/(-2) - ic_fit$llk
[1] 2.643219e-12

Note that the effect of grp is the same in each model, and the final log-likelihood differs only by numeric error. The baseline parameters (i.e. intercept and log_age for logistic regression, alpha and beta for the interval censored model) are different parameterizations so they are not equal.

So there you have it: using logistic regression is equivalent to fitting the proportional odds with a log-logistic baseline distribution. If you're okay with fitting this parametric model, logistic regression is quite reasonable. I do caution that with interval censored data, semi-parametric models are typically favored due to difficulty of assessing model fit, but if I truly thought there was no place for fully-parametric models I would have not included them in icenReg.

This is a case of censoring/coarse data. Assume you think that your data arises from a distribution with nicely behaved continuous (etc.) pdf $f(x)$ and cdf $F(x)$. The standard solution for time to event data when the exact time $x_i$ of an event for subject $i$ is known is that the likelihood contribution is $f(x_i)$. If we only know that the time was greater than $y_i$ (right-censoring), then the likelihood contribution is $1-F(y_i)$ under the assumption of independent censoring. If we know that the time is less than $z_i$ (left-censoring), then the likelihood contribution is $F(z_i)$. Finally, if the time falls into some interval $(y_i, z_i]$, then the likelihood contribution would be $F(z_i)-F(y_i)$.

This problem seems like it might be handled well by logistic regression.

You have two states, A and B, and want to examine the probability of whether a particular individual has switched irreversibly from state A to state B. One fundamental predictor variable would be age at the time of observation. The other factor or factors of interest would be additional predictor variables.

Your logistic model would then use the actual observations of A/B state, age, and other factors to estimate the probability of being in state B as a function of those predictors. The age at which that probability passes 0.5 could be used as the estimate of the transition time, and you would then examine the influences of the other factor(s) on that predicted transition time.

Added in response to discussion:

As with any linear model, you need to ensure that your predictors are transformed in a way that they bear a linear relation to the outcome variable, in this case the log-odds of the probability of having moved to state B. That is not necessarily a trivial problem. The answer by @CliffAB shows how a log transformation of the age variable might be used.