R aareg Aalen 针对删失数据的加性回归模型

说明

返回代表 Aalen 模型的 "aareg" 类的对象。

用法

aareg(formula, data, weights, subset, na.action,
   qrtol=1e-07, nmin, dfbeta=FALSE, taper=1,
   test = c('aalen', 'variance', 'nrisk'), cluster,
    model=FALSE, x=FALSE, y=FALSE) 

参数

formula	一个公式对象，响应位于“~”运算符左侧，术语在右侧由 + 运算符分隔。响应必须是 Surv 对象。由于使用了特定的计算方法，模型必须包含截距项。如果模型公式中使用"-1"，程序将忽略它。
data	用于解释 formula 、 subset 和 weights 参数中命名的变量的数据帧。这也可能是处理某些特殊情况的单个数字 - 详细信息请参见下文。如果缺少 data，则模型公式中的变量应位于搜索路径中。
weights	观测权重向量。如果提供，拟合算法会最小化权重乘以残差平方的总和(有关其他技术详细信息，请参阅下文)。 weights 的长度必须与观测值的数量相同。权重必须是非负的，建议严格为正数，因为零权重是不明确的。要从模型中排除特定观测值，请使用 subset 参数而不是零权重。
subset	表达式指定在拟合中应使用哪个观测值子集。 Th 可以是逻辑向量(其被复制以具有等于观测值数量的长度)、指示要包括的观测值数量的数值向量、或者应该包括的观测值名称的字符向量。默认情况下包括所有观察结果。
na.action	过滤缺失数据的函数。在应用任何 subset 参数后，这将应用于 model.fr ame。默认值为 na.fail ，如果发现任何缺失值，则会返回 n 错误。另一种方法是 na.excl ude ，它删除包含一个或多个缺失值的观测值。
qrtol	QR 分解中奇点检测的容差
nmin	估计的最小观测值数量；默认为协变量数量的 3 倍。当 n 很小时并且计算可能变得数值不稳定时，这本质上会截断数据集尾部附近的计算。
dfbeta	是否应该计算 dfbeta 残差数组。这意味着计算三明治方差估计。如果模型公式中存在 cluster 项，则始终会计算残差。
taper	允许平滑方差估计。 Var(x)(其中 x 是协变量集)是 Aalen 回归模型计算的重要组成部分。在任何给定的时间点 t，它是针对在时间 t 时仍处于风险中的所有受试者进行计算的。 Tape 参数允许平滑这些估计，例如 taper=(1:4)/4 会导致在任何事件时间使用的方差估计是最后 4 个死亡时间的估计方差矩阵的加权平均值，当前死亡时间的权重为 1并减少到先前事件时间的 1/4。默认值给出标准 Aalen 模型。
test	选择要使用的权重，用于计算随时间变化的总体 “average” 系数向量以及随后的等于零测试。
cluster	聚类组，可选。将在数据参数中搜索该变量。
model , x , y	模型框架的副本、预测变量的 x 矩阵或响应向量 y 是否应包含在保存的结果中。

细节

Aalen 模型假设受试者的累积危险 H(t) 可以表示为 a(t) + X B(t)，其中 a(t) 是时间相关的截距项，X 是协变量向量主题(可能与时间相关)，B(t) 是与时间相关的系数矩阵。这些估计本质上是非参数的；模型拟合后通常会绘制一个或多个估计图。

在数据集尾部附近，估计值可能会变得不稳定，因为在时间 t 时 B 的增量是基于在时间 t 时仍处于危险中的受试者。容差和/或 nmin 参数可能会截断最后一次死亡之前的估计值。 taper 参数也可用于平滑曲线的尾部。实际上，当 n 仍然相当大时，添加诸如 1:10 的锥度似乎对死亡时间影响不大，但可以显著抑制图尾部的剧烈振荡。

值

表示拟合的类 "aareg" 的对象，具有以下组件：

n	包含数据集中观测值数量、事件次数以及计算中使用的事件次数的向量
times	排序事件时间的向量，其中可能包含重复项
nrisk	包含有风险的受试者数量的向量，其长度与times相同
coefficient	系数矩阵，每个事件一行，每个协变量一列
test.statistic	检验统计量的值，每个协变量有一个元素的向量
test.var	检验的方差-协方差矩阵
test	测试类型；上面 test 参数的副本
tweight	计算中使用的权重矩阵，每个事件一行
call	产生此结果的调用的副本

例子

# Fit a model to the lung cancer data set
lfit <- aareg(Surv(time, status) ~ age + sex + ph.ecog, data=lung,
                     nmin=1)
## Not run: 
lfit
Call:
aareg(formula = Surv(time, status) ~ age + sex + ph.ecog, data = lung, nmin = 1
        )

  n=227 (1 observations deleted due to missing values)
    138 out of 138 unique event times used

              slope      coef se(coef)     z        p 
Intercept  5.26e-03  5.99e-03 4.74e-03  1.26 0.207000
      age  4.26e-05  7.02e-05 7.23e-05  0.97 0.332000
      sex -3.29e-03 -4.02e-03 1.22e-03 -3.30 0.000976
  ph.ecog  3.14e-03  3.80e-03 1.03e-03  3.70 0.000214

Chisq=26.73 on 3 df, p=6.7e-06; test weights=aalen

plot(lfit[4], ylim=c(-4,4))  # Draw a plot of the function for ph.ecog

## End(Not run)
lfit2 <- aareg(Surv(time, status) ~ age + sex + ph.ecog, data=lung,
                  nmin=1, taper=1:10)
## Not run: lines(lfit2[4], col=2)  # Nearly the same, until the last point

# A fit to the mulitple-infection data set of children with
# Chronic Granuomatous Disease.  See section 8.5 of Therneau and Grambsch.
fita2 <- aareg(Surv(tstart, tstop, status) ~ treat + age + inherit +
                         steroids + cluster(id), data=cgd)
## Not run: 
  n= 203 
    69 out of 70 unique event times used

                     slope      coef se(coef) robust se     z        p
Intercept         0.004670  0.017800 0.002780  0.003910  4.55 5.30e-06
treatrIFN-g      -0.002520 -0.010100 0.002290  0.003020 -3.36 7.87e-04
age              -0.000101 -0.000317 0.000115  0.000117 -2.70 6.84e-03
inheritautosomal  0.001330  0.003830 0.002800  0.002420  1.58 1.14e-01
steroids          0.004620  0.013200 0.010600  0.009700  1.36 1.73e-01

Chisq=16.74 on 4 df, p=0.0022; test weights=aalen

## End(Not run)

参考

Aalen, O.O. (1989). A linear regression model for the analysis of life times. Statistics in Medicine, 8:907-925.

Aalen, O.O (1993). Further results on the non-parametric linear model in survival analysis. Statistics in Medicine. 12:1569-1588.

也可以看看

打印.aareg，摘要.aareg，plot.aareg