R predict.survreg “survreg”對象的預測值

說明

survreg 對象的預測值

用法

## S3 method for class 'survreg'
predict(object, newdata,  
type=c("response", "link", "lp", "linear", "terms", "quantile",  
	"uquantile"),
 se.fit=FALSE, terms=NULL, p=c(0.1, 0.9), na.action=na.pass, ...)

參數

object	使用 survreg 函數進行模型擬合的結果。
newdata	用於預測的數據。如果缺少預測，則針對原始擬合中使用的受試者。
type	預測值的類型。這可以是數據(響應)的原始規模、線性預測器( "linear" ，其中 "lp" 作為允許的縮寫)、數據原始規模的預測分位數 ( "quantile" )、分位數在線性預測變量尺度 ( "uquantile" ) 上，或線性預測變量的項矩陣 ( "terms" ) 上。此時"link"和線性預測器("lp")是相同的。
se.fit	如果 TRUE ，則在結果中包含預測的標準誤差。
terms	術語的子集。殘差類型 "terms" 的默認值是一個矩陣，模型中的每個項(不包括截距)有一列。
p	百分位數向量。這僅用於分位數預測。
na.action	僅當存在 newdata 參數時適用，並定義新數據的缺失值操作。默認情況下包括所有觀察結果。
...	對於未來的方法

值

預測值的向量或矩陣。

例子

# Draw figure 1 from Escobar and Meeker, 1992.
fit <- survreg(Surv(time,status) ~ age + I(age^2), data=stanford2, 
	dist='lognormal') 
with(stanford2, plot(age, time, xlab='Age', ylab='Days', 
	xlim=c(0,65), ylim=c(.1, 10^5), log='y', type='n'))
with(stanford2, points(age, time, pch=c(2,4)[status+1], cex=.7))
pred <- predict(fit, newdata=list(age=1:65), type='quantile', 
	         p=c(.1, .5, .9)) 
matlines(1:65, pred, lty=c(2,1,2), col=1) 

# Predicted Weibull survival curve for a lung cancer subject with
#  ECOG score of 2
lfit <- survreg(Surv(time, status) ~ ph.ecog, data=lung)
pct <- 1:98/100   # The 100th percentile of predicted survival is at +infinity
ptime <- predict(lfit, newdata=data.frame(ph.ecog=2), type='quantile',
                 p=pct, se=TRUE)
matplot(cbind(ptime$fit, ptime$fit + 2*ptime$se.fit,
                         ptime$fit - 2*ptime$se.fit)/30.5, 1-pct,
        xlab="Months", ylab="Survival", type='l', lty=c(1,2,2), col=1)

參考

Escobar and Meeker (1992). Assessing influence in regression analysis with censored data. Biometrics, 48, 507-528.

也可以看看

survreg、residuals.survreg