Uz empīriskās ticamības funkciju balstītas kovariātu pielāgošanas metodes

Abstract

Šajā darbā tiek aplūkota kovariātu pielāgošana datiem, kas iegūti randomizētos kontroles pētījumos. Tiek aplūkotas kovariātu pielāgošanas metodes – ANCOVA un vispārinātās empīriskās ticamības metodes EL, ET un CUE. Tiek veiks simulāciju eksperiments dažādiem datu sadalījumiem, lai pārbaudītu metožu rezultātus. Vispārinātās empīriskās ticamības metožu gadījumā simulācijās tiek ierosināts pielietot Hūbera novērtētāju, kur tālāk visi iegūtie rezultāti tiek savstarpēji salīdzināti. Tiek analizēts arī reāls datu piemērs. Darbā novērojami atšķirīgi rezultāti starp metodēm.

This bachelor’s thesis discusses covariate adjustment for data obtained in randomized control trials. The following covariate adjustment methods are examined – ANCOVA and generalized empirical likelihood methods EL, ET, and CUE. Using a simulation study, covariate adjustment method comparison is done to assess the results. In the case of generalized empirical likelihood methods, it is proposed to use a Huber estimator in the simulations, where further all results are compared with each other. A real data example is also analyzed. Divergent outcomes are observed among the different methods.