Αντιμετώπιση σφαλμάτων ταξινόμησης (misclassification) στην ανάλυση κατηγορικών δεδομένων

Abstract

Η λάθος ταξινόμηση, η εσφαλμένη μέτρηση μίας ή περισσότερων κατηγορικών μεταβλητών, είναι ένα σημαντικό πρόβλημα που συναντάται στη διεξαγωγή ερευνών που αφορούν πολλούς επιστημονικούς τομείς, όπως η Ιατρική και η Επιδημιολογία. Τα παρατηρούμενα δεδομένα που συλλέγονται σε μελέτες υπόκεινται συχνά σε λάθη ταξινόμησης. Ακόμα και σε σχετικά απλά σενάρια, εκτός εάν οι πιθανότητες λάθους ταξινόμησης είναι πολύ μικρές, ένα σημαντικό ποσοστό μεροληψίας μπορεί να προκύψει κατά την εκτίμηση του βαθμού συσχέτισης που αφορά συνήθη μέτρα όπως η διαφορά κινδύνων, ο σχετικός λόγος κινδύνου και ο λόγος σχετικών πιθανοτήτων. Η λάθος ταξινόμηση μπορεί επίσης να οδηγήσει στη μείωση της αποτελεσματικότητας κατά την ανάλυση των πινάκων συνάφειας. Ο κύριος στόχος αυτής της εργασίας είναι να παρουσιαστούν οι επιδράσεις της λάθους ταξινόμησης στη μονοδιάστατη, διδιάστατη και πολυδιάστατη ανάλυση κατηγορικών δεδομένων, καθώς και να καταδειχτούν τα αποτελέσματά της για την εκτίμηση παραμέτρων και για έλεγχους υποθέσεων. Θα παρουσιαστούν μέθοδοι διόρθωσης για τις συνέπειες της λάθους ταξινόμησης, όπως είναι οι απλές πινακικές μέθοδοι και οι μέθοδοι μέσω μοντελοποίησης χρησιμοποιώντας δεδομένα επικύρωσης, καθώς και μέθοδοι διόρθωσης που χρησιμοποιούν επαναλαμβανόμενες μετρήσεις. Αυτές οι μέθοδοι θα συγκριθούν προκειμένου να διαπιστωθεί ποια αποδίδει καλύτερα, ανάλογα με το διαθέσιμο σύνολο δεδομένων και τη δειγματοληψία διαδικασία. Τέλος, οι μέθοδοι διόρθωσης θα εφαρμοστούν σε ένα σύνολο δεδομένων που περιέχει λάθος ταξινομημένα δεδομένα από μία έρευνα ασφαλείας αυτοκινητοδρόμων, ώστε να αξιολογηθεί η αποτελεσματικότητα της χρήσης ζώνης ασφαλείας στη μείωση των τραυματισμών σε ατυχήματα αυτοκινήτων σε σχέση με παράγοντες όπως η σοβαρότητα ζημιών των αυτοκινήτων και το φύλο.