作者:白介素2
如果没有时间精力学习代码,推荐了解:零代码数据挖掘课程
Cox比例风险模型诊断
Cox比例风险模型的建立是基于几个假设之上的,因此一般建好模型后需要进行诊断,评估拟合的模型是否能够用于描述数据
诊断的内容包括:
比例风险假定;
模型影响点(异常值)识别;
比例风险的对数值与协变量之间的非线性关系识别;
对上述三方面的诊断,常见的方法为残差法。
Schoenfeld 残差用于检验比例风险假定;
Deviance 残差用于影响点(异常值)识别;
Martingale残差用于非线性检验;
载入survival and survminer
library("survival")
library("survminer")
计算cox模型
library("survival")
res.cox
res.cox
## Call:
## coxph(formula = Surv(time, status) ~ age + sex + wt.loss, data = lung)
##
## coef exp(coef) se(coef) z p
## age 0.0200882 1.0202913 0.0096644 2.079 0.0377
## sex -0.5210319 0.5939074 0.1743541 -2.988 0.0028
## wt.loss 0.0007596 1.0007599 0.0