评估比例危险假设的图形方法和公式 仅使用固定预测变量拟合 Cox 模型

选择需要的方法或公式。

安徒生情节和 Arjas 情节评估比例危险假设是否适合数据。

安徒生情节

安徒生地块评估了包括分层在内的模型的比例危险假设的适当性。安徒生地块显示第一层的基线累积危险率与其他地层的基线累积危险率的估计基线累积危险率。有关单个模型的准确度标准计算的详细信息,请转到 仅使用固定预测变量拟合 Cox 模型中分布的方法和公式

阿哈斯情节

假设你有一个考克斯比例危险模型与 p 预测器, 。您可以使用 Arjas 情节来确定是否包含绝对预测器, ,在模型中。您还可以检查比例危险假设是否适用于预测器

假设 水平和 Ck)是组 k 中预测 器 Xk= 1 ,..., K的一组主题。Arjas 图显示测试估计累积危险率的总时间,直至 时间 t,与累计观测到的事件数目对 求逆。有关阿哈斯情节的进一步描述,请参阅 Arjas (1988)1 或克莱因和莫施伯格 (2003)2

主题 jt 时的估计累积危险率有以下形式:

其中,是主题 j 和 的协变量的 p 分量向量 是估计的基线累积危险率。有关单个模型的准确度标准计算的详细信息,请转到 仅使用固定预测变量拟合 Cox 模型中分布的方法和公式。计算 取决于模型是否有分层。

没有分层的计算

在每个事件时间 t 为分类预测器 Xk 级时,测试估计累积危险率的总时间(直至 t) 具有以下形式:
此外,截至时间 t 的观测事件累计数量有以下形式:
方程使用以下定义:
说明
主题 j的响应时间
审查位置的指标 如果事件发生和 如果 j响应 时间被正确审查。
事件的指标 如果 ,其他情况下为 0

分层计算

在每个事件时间 t 为分类预测器 Xk 级时,测试估计累积危险率的总时间(直至 t) 具有以下形式:
此外,截至时间 t 的观测事件累计数量有以下形式:
方程使用以下定义:
说明
估计的层的累积危险功能 s
层中的 j个人s
层中主题 j 的响应时间 s
审查位置的指标 如果事件发生和 如果层的 j响应 时间被正确 s 审查。
事件的指标 如果 ,其他情况下为 0
1 Arjas, E. (1988). A graphical method for assessing goodness of fit in Cox's proportional hazards model. Journal of the American Statistical Association, 83 (401), 204-212.
2 Klein, J.P. & Moescheberger, M.L. (2003)。 Regression diagnostics. In Survival analysis: Techniques for censored and truncated data (2nd ed., pp. 353-392). Springer.