Šiame magistro darbe yra pateikiamas įmonės išgyvenamumą prognozuojantis Kokso proporcingųjų rizikų modelis. Pirmoje dalyje yra pateikiama trumpa modelių, susijusių su įmonių bankrotais ar nemokumu, apžvalga. Taip pat yra pristatomi balansinių ataskaitų ir įmonių finansų teoriniai pagrindai, įvairūs finansiniai rodikliai (įmonės pelnas/nuostolis, įsipareigojimai, turtas ir kt.) bei santykiniai finansiniai rodikliai (įmonės bendras skolos rodiklis, grynojo pelningumo koeficientas ir kt.). Be to, pateikiami išgyvenamumo analizės ir Kokso proporcingųjų rizikų modelio teoriniai pagrindai. Antroje darbo dalyje pateikiami empiriniai skaičiavimai. Čia parenkami statistiškai reikšmingi finansiniai ir santykiniai finansiniai rodikliai, įtakojantys įmonės gyvavimo trukmę, sudaromas bei tiriamas Kokso regresijos modelis, kuris vertina įmonės tikimybę išgyventi po tam tikro laiko. Ekonometrinė analizė atliekama naudojant SPSS, MS Excel ir SAS programinę įrangą. / This Master thesis develops survival of company prediction Cox proportional hazards model using the statistical methodology of Survival analysis. In the first part the short review of literature about models related with company’s bankruptcy, failure or financial distress is presented. Also the background of financial statement analysis, corporate finance, various financial variables (company’s profit/loss, liabilities, asset and other) and financial ratios (debt ratio, total asset turnover and other) are clarified. Furthermore, the theoretical background of Survival analysis and Cox proportional hazards model are presented. In the following part empirical computations are introduced. There are selected financial variables and financial ratios, which influence company’s survival and are statistically significant. Moreover, Cox regression model for estimating the probability of company’s survival after particular time is presented. Econometric analysis is performed using SPSS, MS Excel and SAS software.

SUMMARY The goal of the present thesis is to ascertain patients functional classes changes of various time after surgery, investigation of the other factors, which may stipulate recovery state (alive or die) and to estimate investigation of other factors, which may stipulate survival time. The investigation was carried out in two stages. During the first stage, the data was accumulated for processing (investigation of the pairwise independence of variables); the second stage implied solution of the statistical tasks (solution of the tasks, which correspond to the goals of the thesis). The methods of data analysis, the model of binary logistic regression, the descriptive methods for survival data and regression model for survival data were applied. 120 patients, who survived the mitral valve incompetence, were investigated and it was ascertained that functional class depends on difficulty of disease. The Sign‘s and Wilcoxon‘s tests assisted us in drawing the conclusion that statistical significance of surgery produce an impact upon the functional class to the 6‘th month and from 2‘th year to the 6‘th year. The model of the binary logistic regression assisted us in drawing the conclusion that functional class, acute disease and operation time produce an impact upon recovery state (alive or die).

Mirtingumo nuo įvairių ligų įvertinimas ir prognozavimas pagal atlikto tyrimo duomenis – dažnas statistinės analizės uždavinys medicinoje. Juose siekiama prognozuoti tikėtiną mirčių nuo tiriamos ligos skaičių, susirgimo tam tikra liga tikimybę ar išskirti rizikos grupes, įvertinant tyrimo metu surinktų stebimos populiacijos imties kintamųjų duomenis ir nustatant, kokia priklausomybę juos sieja. Pagrindiniai šio darbo tikslai: susipažinti su statistikos metodais, taikomais mirtingumo duomenų analizei; sudaryti statistinės analizės modelius turimiems mirtingumo duomenims; realizuoti sudarytus modelius programiškai, panaudojant SAS sistemą ir SAS makro programavimo galimybes. Panaudojus Puasono, logistinės ir Kokso regresin��s analizės metodus sudaryti mirtingumo nuo galvos smegenų insulto (GSI) prognozavimo modeliai. Sudaryti modeliai realizuoti programiškai, panaudojus SAS programavimo kalbą, SAS/IML posistemės galimybes ir SAS makro programavimo priemones. Sukurti regresinės analizės modeliai ir programines priemonės panaudotos Kauno medicinos universiteto Kardiologijos instituto 1980-2004 metais atliktų tyrimų metu surinktų Kauno miesto 25-64 m. amžiaus gyventojų mirtingumo nuo GSI duomenų analizei atlikti. / Estimation and forecasting of mortality from various diseases are very frequent data analysis tasks in medicine nowadays. In order to estimate expected number of deaths, probability to die from a disease or trends in mortality we should apply the most suitable statistical methods. Data analysis models were created using Poisson, logistic, Cox regression methods and realized in SAS macros. Created software also contains models for goodness of fit analysis, graphical visualization and prepares a report of data analysis in RTF (Rich Text Format) format. Analysis was made for mortality from stroke data among Kaunas population aged 25 to 64 during the period 1980-2004. The study contains the description of applying created data analysis models, SAS macros and received results.