r语言 svycoxph_基于R语言实现COX模型诊断

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 &