R coxph.control 控制 coxph 拟合的辅助参数

说明

这用于设置控制 Cox 模型拟合的各种数值参数。通常，它仅用于调用 coxph 。

用法

coxph.control(eps = 1e-09, toler.chol = .Machine$double.eps^0.75,
iter.max = 20, toler.inf = sqrt(eps), outer.max = 10, timefix=TRUE)

参数

eps	继续迭代，直到对数偏似然的相对变化小于 eps，或者绝对变化小于 sqrt(eps)。必须是正的。
toler.chol	在方差矩阵的 Cholesky 分解期间检测奇异性的容差，即检测冗余预测变量。
iter.max	尝试收敛的最大迭代次数。
toler.inf	有关可能的无限系数值的警告消息的容差标准。
outer.max	对于惩罚的 coxph 模型，例如对于 pspline 项，有一个迭代的外循环来确定惩罚参数；该外循环的最大迭代次数。
timefix	解决时间变量中的任何接近关系。

细节

收敛公差是一种平衡。用户认为他们想要似然面的最大点，并且对于表现良好的数据集，其在最大值附近是二次的，高精度是相当便宜的：每次迭代正确数字的数量大约增加一倍。相反，在任何给定方向上从最大值下降 0.0001 将仅对应于系数标准误差变化的约 1/20。从统计数据来看，比这更精确的是对小昆虫的紧张。基于此，作者最初将容差设置为 1e-5，但面对多个“为什么答案与包 X 不同”的查询，态度有所缓和。

要求太接近机器精度 (double.eps) 的结果是愚蠢的事情；合理的标准通常是该精度的平方根。然而，Cholesky 分解需要遵守比整体收敛标准更高的标准。 tolerance.inf 值控制警告消息；如果太小，可能会出现不正确的警告，如果太大，将无法检测到无限系数的某些实际情况。

最困难的情况是 MLE 系数无穷大的数据集；一个例子是一个数据集，其中在每个死亡时间，死亡的是具有最大协变量值的受试者。在这种情况下，系数在每次迭代时都会增加，而对数似然则渐近至最大值。随着迭代的进行，三个端点存在竞争条件：exp(coef) 溢出、Hessian 矩阵变为奇异、或者 loglik 的变化足够小以满足收敛标准。前两个很难预测并导致数字困难，这是选择 eps 时适度选择的另一个论点。

有关 timefix 选项的更详细说明，请参阅小插图“舍入误差和绑定时间”。简而言之，当通过减法创建时间间隔时，由于浮点舍入误差，实际上相同的两个时间间隔可能会显得不同，这反过来又会使 coxph 和 survfit 结果取决于诸如操作完成的顺序或运行操作的特定计算机。不幸的是，此类案例在实践中并不少见。 timefix=TRUE 选项添加与 all.equal 类似的逻辑，以确保结果可靠。然而，在分析模拟数据集时，根据定义通常不能有重复项，因此通常需要将该选项设置为 FALSE 以避免对接近的数值进行虚假合并。

值

包含上述每个常量的值的列表

也可以看看

coxph