R residuals.coxph 计算“coxph”拟合的残差

说明

计算 Cox 比例风险模型的鞅、偏差、分数或 Schoenfeld 残差。

用法

## S3 method for class 'coxph'
residuals(object,
       type=c("martingale", "deviance", "score", "schoenfeld",
	      "dfbeta", "dfbetas", "scaledsch","partial"),
       collapse=FALSE, weighted= (type %in% c("dfbeta", "dfbetas")), ...)
## S3 method for class 'coxphms'
residuals(object,
       type=c("martingale", "score", "schoenfeld",
	      "dfbeta", "dfbetas", "scaledsch"),
       collapse=FALSE, weighted= FALSE, ...)
## S3 method for class 'coxph.null'
residuals(object,
       type=c("martingale", "deviance","score","schoenfeld"),
       collapse=FALSE, weighted= FALSE, ...)

参数

object	继承自类 coxph 的对象，表示拟合的 Cox 回归模型。通常，这是 coxph 函数的输出。
type	指示所需残差类型的字符串。可能的值为 "martingale" 、 "deviance" 、 "score" 、 "schoenfeld" 、 "dfbeta"'、 "dfbetas" 、 "scaledsch" 和 "partial" 。只需要足以确定唯一匹配的字符串即可。
collapse	指示要折叠(求和)的行的向量。在时间相关模型中，多个行数据可以属于单个个体。如果有 4 个个体，分别由 3、1、2 和 4 行数据表示，则 collapse=c(1,1,1, 2, 3,3, 4,4,4,4) 可用于获取每个受试者而不是每个观察残差。
weighted	如果TRUE 并且模型适合案例权重，则返回加权残差。
...	其他未使用的参数

值

对于鞅和偏差残差，返回的对象是一个向量，每个主题都有一个元素(不带 collapse )。对于分数残差，它是一个矩阵，每个主题一行，每个变量一列。行顺序将与原始拟合的输入数据相匹配。对于舍恩菲尔德残差，返回的对象是一个矩阵，每个事件对应一行，每个变量对应一列。这些行按层内的时间排序，并附加属性strata，其中包含每个层中的观测值数量。缩放后的舍恩菲尔德残差用于 cox.zph 函数。

分数残差是每个人对分数向量的贡献。两种变换通常更有用：dfbeta 是在删除观测值的情况下系数向量的近似变化，dfbetas 是系数的近似变化，按系数的标准误差缩放。

注意

对于偏差残差，可能需要重建状态变量。对于分数和 Schoenfeld 残差，需要重建 X 矩阵。

例子

 fit <- coxph(Surv(start, stop, event) ~ (age + surgery)* transplant,
               data=heart)
 mresid <- resid(fit, collapse=heart$id)

参考

T. Therneau, P. Grambsch, and T. Fleming. "Martingale based residuals for survival models", Biometrika, March 1990.

也可以看看

coxph