一般在建立好Cox模型之后,需要对模型进行诊断。诊断内容包括模型的前提条件,诸如Cox模型的PH假定(比例风险假定),共线性假定等。本篇我们通过合实际例子讲解Cox模型诊断过程,实现软件R语言。
1.1 COX模型的诊断内容
Cox模型的诊断一般包括三方面的内容:
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;
1.2 R中用于评估Cox模型的包
我们将会用到以下两个包:
survival #用于cox模型建立
survminer #用于cox模型诊断结果的可视化
安装包
install.packages(c("survival","survminer"))
加载包
library("survival")
library("survminer")
1.3 建立Cox模型
我们利用survial包中自带的肺癌数据“data(lung)”建立cox模型。
library("survival")
res.cox
wt.loss, data =lung)#模型中有三个变量;
res.cox#显示模型结果
Call:
coxph(formula &