R residuals.coxph 計算“coxph”擬合的殘差

說明

計算 Cox 比例風險模型的鞅、偏差、分數或 Schoenfeld 殘差。

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, ...)

參數

object	繼承自類 coxph 的對象，表示擬合的 Cox 回歸模型。通常，這是 coxph 函數的輸出。
type	指示所需殘差類型的字符串。可能的值為 "martingale" 、 "deviance" 、 "score" 、 "schoenfeld" 、 "dfbeta"'、 "dfbetas" 、 "scaledsch" 和 "partial" 。隻需要足以確定唯一匹配的字符串即可。
collapse	指示要折疊(求和)的行的向量。在時間相關模型中，多個行數據可以屬於單個個體。如果有 4 個個體，分別由 3、1、2 和 4 行數據表示，則 collapse=c(1,1,1, 2, 3,3, 4,4,4,4) 可用於獲取每個受試者而不是每個觀察殘差。
weighted	如果TRUE 並且模型適合案例權重，則返回加權殘差。
...	其他未使用的參數

值

對於鞅和偏差殘差，返回的對象是一個向量，每個主題都有一個元素(不帶 collapse )。對於分數殘差，它是一個矩陣，每個主題一行，每個變量一列。行順序將與原始擬合的輸入數據相匹配。對於舍恩菲爾德殘差，返回的對象是一個矩陣，每個事件對應一行，每個變量對應一列。這些行按層內的時間排序，並附加屬性strata，其中包含每個層中的觀測值數量。縮放後的舍恩菲爾德殘差用於 cox.zph 函數。

分數殘差是每個人對分數向量的貢獻。兩種變換通常更有用：dfbeta 是在刪除觀測值的情況下係數向量的近似變化，dfbetas 是係數的近似變化，按係數的標準誤差縮放。

注意

對於偏差殘差，可能需要重建狀態變量。對於分數和 Schoenfeld 殘差，需要重建 X 矩陣。

例子

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

參考

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

也可以看看

coxph