R aareg Aalen 針對刪失數據的加性回歸模型

說明

返回代表 Aalen 模型的 "aareg" 類的對象。

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) 

參數

formula	一個公式對象，響應位於“~”運算符左側，術語在右側由 + 運算符分隔。響應必須是 Surv 對象。由於使用了特定的計算方法，模型必須包含截距項。如果模型公式中使用"-1"，程序將忽略它。
data	用於解釋 formula 、 subset 和 weights 參數中命名的變量的數據幀。這也可能是處理某些特殊情況的單個數字 - 詳細信息請參見下文。如果缺少 data，則模型公式中的變量應位於搜索路徑中。
weights	觀測權重向量。如果提供，擬合算法會最小化權重乘以殘差平方的總和(有關其他技術詳細信息，請參閱下文)。 weights 的長度必須與觀測值的數量相同。權重必須是非負的，建議嚴格為正數，因為零權重是不明確的。要從模型中排除特定觀測值，請使用 subset 參數而不是零權重。
subset	表達式指定在擬合中應使用哪個觀測值子集。 Th 可以是邏輯向量(其被複製以具有等於觀測值數量的長度)、指示要包括的觀測值數量的數值向量、或者應該包括的觀測值名稱的字符向量。默認情況下包括所有觀察結果。
na.action	過濾缺失數據的函數。在應用任何 subset 參數後，這將應用於 model.fr ame。默認值為 na.fail ，如果發現任何缺失值，則會返回 n 錯誤。另一種方法是 na.excl ude ，它刪除包含一個或多個缺失值的觀測值。
qrtol	QR 分解中奇點檢測的容差
nmin	估計的最小觀測值數量；默認為協變量數量的 3 倍。當 n 很小時並且計算可能變得數值不穩定時，這本質上會截斷數據集尾部附近的計算。
dfbeta	是否應該計算 dfbeta 殘差數組。這意味著計算三明治方差估計。如果模型公式中存在 cluster 項，則始終會計算殘差。
taper	允許平滑方差估計。 Var(x)(其中 x 是協變量集)是 Aalen 回歸模型計算的重要組成部分。在任何給定的時間點 t，它是針對在時間 t 時仍處於風險中的所有受試者進行計算的。 Tape 參數允許平滑這些估計，例如 taper=(1:4)/4 會導致在任何事件時間使用的方差估計是最後 4 個死亡時間的估計方差矩陣的加權平均值，當前死亡時間的權重為 1並減少到先前事件時間的 1/4。默認值給出標準 Aalen 模型。
test	選擇要使用的權重，用於計算隨時間變化的總體 “average” 係數向量以及隨後的等於零測試。
cluster	聚類組，可選。將在數據參數中搜索該變量。
model , x , y	模型框架的副本、預測變量的 x 矩陣或響應向量 y 是否應包含在保存的結果中。

細節

Aalen 模型假設受試者的累積危險 H(t) 可以表示為 a(t) + X B(t)，其中 a(t) 是時間相關的截距項，X 是協變量向量主題(可能與時間相關)，B(t) 是與時間相關的係數矩陣。這些估計本質上是非參數的；模型擬合後通常會繪製一個或多個估計圖。

在數據集尾部附近，估計值可能會變得不穩定，因為在時間 t 時 B 的增量是基於在時間 t 時仍處於危險中的受試者。容差和/或 nmin 參數可能會截斷最後一次死亡之前的估計值。 taper 參數也可用於平滑曲線的尾部。實際上，當 n 仍然相當大時，添加諸如 1:10 的錐度似乎對死亡時間影響不大，但可以顯著抑製圖尾部的劇烈振蕩。

值

表示擬合的類 "aareg" 的對象，具有以下組件：

n	包含數據集中觀測值數量、事件次數以及計算中使用的事件次數的向量
times	排序事件時間的向量，其中可能包含重複項
nrisk	包含有風險的受試者數量的向量，其長度與times相同
coefficient	係數矩陣，每個事件一行，每個協變量一列
test.statistic	檢驗統計量的值，每個協變量有一個元素的向量
test.var	檢驗的方差-協方差矩陣
test	測試類型；上麵 test 參數的副本
tweight	計算中使用的權重矩陣，每個事件一行
call	產生此結果的調用的副本

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)

參考

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