R coxph.detail Cox 模型拟合的详细信息

说明

返回每个唯一事件时间对一阶和二阶导数矩阵的单独贡献。

用法

coxph.detail(object, riskmat=FALSE, rorder=c("data", "time"))

参数

object	Cox 模型对象，即 coxph 的结果。
riskmat	在输出中包含 at-risk 指标矩阵？
rorder	x 、 y 和 riskmat 的行应该按原始数据顺序返回，还是按层内的时间排序。

细节

对于那些希望研究新方法或 Cox 模型扩展的人来说，此函数可能很有用。下面的示例显示了计算 Schoenfeld 残差的一种方法。

值

包含组件的列表

time	独特事件时间的向量
nevent	每个时间点的事件数。
means	Cox 模型中的每个事件时间为一行，每个变量为一列的矩阵，包含当时仍处于风险中的所有受试者的当时变量的加权平均值。权重是风险权重 exp(x %*% fit$coef) 。
nrisk	处于危险中的受试者数量。
score	每个时间点对得分向量的贡献(对数偏似然的一阶导数)。
imat	每个时间点对信息矩阵的贡献(对数偏似然的二阶导数)。
hazard	危险增量。请注意，危险和危险的方差总是针对某个特定的未来主题。此例程使用object$means 作为未来主题。
varhaz	危险增量的方差。
x , y	输入数据的副本。
strata	仅适用于分层 Cox 模型，该表给出了每个层贡献的组件 time 的时间点数量。
wtrisk	风险加权数
riskmat	每个观测值一行，每个唯一事件时间一列的矩阵，包含 0/1 值，指示该观测值在给定时间点是否存在风险 (1) 或不存在风险 (0)。行按原始数据的顺序(在通过 coxph 删除任何缺失后)或按时间顺序排列。

例子

fit   <- coxph(Surv(futime,fustat) ~ age + rx + ecog.ps, ovarian, x=TRUE)
fitd  <- coxph.detail(fit)
#  There is one Schoenfeld residual for each unique death.  It is a
# vector (covariates for the subject who died) - (weighted mean covariate
# vector at that time).  The weighted mean is defined over the subjects
# still at risk, with exp(X beta) as the weight.

events <- fit$y[,2]==1
etime  <- fit$y[events,1]   #the event times --- may have duplicates
indx   <- match(etime, fitd$time)
schoen <- fit$x[events,] - fitd$means[indx,]

也可以看看

coxph , residuals.coxph