cox.zph
位於 survival
包(package)。 說明
測試 Cox 回歸模型擬合的比例風險假設 (coxph
)。
用法
cox.zph(fit, transform="km", terms=TRUE, singledf=FALSE, global=TRUE)
參數
fit |
使用 |
transform |
一個字符串,指定在執行測試之前應如何轉換生存時間。可能的值為 |
terms |
如果為 TRUE,則對模型中的每個項進行檢驗,而不是對每個單獨的協變量進行檢驗。例如,對於具有 k 個水平的因子變量,這將導致 k-1 自由度檢驗。此類變量的圖將是評估線性預測變量隨時間變化的單曲線。 |
singledf |
對具有多個係數的項使用單自由度檢驗,即與圖最接近的檢驗。如果 |
global |
除了每個變量或 per-term 測試之外,是否還應該進行全局卡方測試。 |
細節
計算需要 Cox 模型擬合的原始 x
矩陣。因此,如果在 coxph
中使用 x=TRUE
選項,則會節省時間。該函數後麵通常會包含結果的繪圖和打印。該圖給出了時間相關係數的估計值 。如果比例風險假設成立,那麽真正的 函數將是一條水平線。 table
組件提供斜率 = 0 的正式分數測試的結果,對圖的線性擬合將近似測試。
不會檢查 frailty
等隨機效應項或 coxme
模型中的隨機效應是否存在比例風險,而是將它們視為模型中的固定偏移量。
如果模型包含協變量相互作用的分層,則 y
矩陣可能包含結構零,即在給定係數(列)的估計中沒有作用的死亡(行)。這些被標記為 NA。如果整行為 NA,例如在為 cox.zph
對象添加下標後,該行將被刪除。
值
類 "cox.zph"
的對象,其組件為:
table |
一個矩陣,每個變量一行,並且可選地最後一行用於全局測試。矩陣的列包含時間相關項、自由度和兩側 p 值相加的分數測試。 |
x |
變換後的時間軸。 |
time |
未變換的時間值;數據中的每個事件時間都有一個條目 |
strata |
對於分層 |
y |
縮放的舍恩菲爾德殘差矩陣。每個術語或每個變量將有一列(取決於上麵的 |
var |
協變量的方差矩陣,用於創建繪圖的近似標準誤差帶 |
transform |
所使用的時間的變換 |
call |
例程的調用順序。 |
注意
在survival3.0之前的包版本中,該函數計算分數測試的快速近似值。更高版本計算實際分數測試。
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
參考
P. Grambsch and T. Therneau (1994), Proportional hazards tests and diagnostics based on weighted residuals. Biometrika, 81, 515-26.
也可以看看
相關用法
- R coxsurv.fit survfit.coxph“計算引擎”的直接接口
- R coxph.wtest 計算二次形式
- R coxph.detail Cox 模型擬合的詳細信息
- R coxph 擬合比例風險回歸模型
- R coxph.control 控製 coxph 擬合的輔助參數
- R colon B/C 期結腸癌的化療
- R concordance 計算數據或模型的一致性統計量
- R concordancefit 計算一致性
- R cgd0 慢性肉芽腫病數據
- R cipoisson 泊鬆分布的置信極限
- R cluster 識別集群。
- R cgd 慢性肉芽腫病數據
- R cch 將比例風險回歸模型擬合到病例隊列數據
- R clogit 條件邏輯回歸
- R hoel 小鼠癌症數據
- R survcondense 縮短 (time1, time2) 生存數據集
- R myeloid 急性粒細胞白血病
- R tobin 托賓的托比特數據
- R pseudo 生存的偽值。
- R levels.Surv 返回多狀態 Surv 對象的狀態
- R rats Mantel 等人的大鼠治療數據
- R diabetic 糖尿病視網膜病變
- R pbc 梅奧診所原發性膽汁性膽管炎數據
- R plot.survfit survfit 對象的繪圖方法
- R kidney 腎導管數據
注:本文由純淨天空篩選整理自R-devel大神的英文原創作品 Test the Proportional Hazards Assumption of a Cox Regression。非經特殊聲明,原始代碼版權歸原作者所有,本譯文未經允許或授權,請勿轉載或複製。