R cox.zph 测试 Cox 回归的比例风险假设

说明

测试 Cox 回归模型拟合的比例风险假设 (coxph)。

用法

cox.zph(fit, transform="km", terms=TRUE, singledf=FALSE, global=TRUE)

参数

fit	使用 coxph 或 coxme 函数拟合 Cox 回归模型的结果。
transform	一个字符串，指定在执行测试之前应如何转换生存时间。可能的值为 "km" 、 "rank" 、 "identity" 或一个参数的函数。
terms	如果为 TRUE，则对模型中的每个项进行检验，而不是对每个单独的协变量进行检验。例如，对于具有 k 个水平的因子变量，这将导致 k-1 自由度检验。此类变量的图将是评估线性预测变量随时间变化的单曲线。
singledf	对具有多个系数的项使用单自由度检验，即与图最接近的检验。如果terms=FALSE此参数无效。
global	除了每个变量或 per-term 测试之外，是否还应该进行全局卡方测试。

细节

计算需要 Cox 模型拟合的原始 x 矩阵。因此，如果在 coxph 中使用 x=TRUE 选项，则会节省时间。该函数后面通常会包含结果的绘图和打印。该图给出了时间相关系数的估计值 \beta(t) 。如果比例风险假设成立，那么真正的 \beta(t) 函数将是一条水平线。 table 组件提供斜率 = 0 的正式分数测试的结果，对图的线性拟合将近似测试。

不会检查 frailty 等随机效应项或 coxme 模型中的随机效应是否存在比例风险，而是将它们视为模型中的固定偏移量。

如果模型包含协变量相互作用的分层，则 y 矩阵可能包含结构零，即在给定系数(列)的估计中没有作用的死亡(行)。这些被标记为 NA。如果整行为 NA，例如在为 cox.zph 对象添加下标后，该行将被删除。

值

类 "cox.zph" 的对象，其组件为：

table	一个矩阵，每个变量一行，并且可选地最后一行用于全局测试。矩阵的列包含时间相关项、自由度和两侧 p 值相加的分数测试。
x	变换后的时间轴。
time	未变换的时间值；数据中的每个事件时间都有一个条目
strata	对于分层 coxph model ，每个事件的层
y	缩放的舍恩菲尔德残差矩阵。每个术语或每个变量将有一列(取决于上面的 terms 选项)，每个事件将有一行。行标签是原始时间的圆角形式。
var	协变量的方差矩阵，用于创建绘图的近似标准误差带
transform	所使用的时间的变换
call	例程的调用顺序。

注意

在survival3.0之前的包版本中，该函数计算分数测试的快速近似值。更高版本计算实际分数测试。

例子

fit <- coxph(Surv(futime, fustat) ~ age + ecog.ps,  
             data=ovarian) 
temp <- cox.zph(fit) 
print(temp)                  # display the results 
plot(temp)                   # plot curves 

参考

P. Grambsch and T. Therneau (1994), Proportional hazards tests and diagnostics based on weighted residuals. Biometrika, 81, 515-26.

也可以看看

coxph、Surv。