“Nedir

Nedir R bir coxph modelinin özetinde verilen değeri? Örneğin, $R^2$

Rsquare= 0.186   (max possible= 0.991 )

Aptalca bir değeri olarak bir el yazması ekledim ve gözden geçiren bir analogunun farkında olmadığını söyleyerek üzerine atladı. $R^2$ $R^2$ , Cox modeli için geliştirilen klasik lineer regresyondan istatistiğinin ve eğer varsa lütfen referans. Herhangi bir yardım harika olurdu!

r survival r-squared cox-model

— danielsbrewer
kaynak

Kavramı çoğu durumlarda

klasik lineer regresyon ötesine uzatılır, bu gözlenen değerler ve model altında tahmin edilen değerler arasındaki korelasyonun karesidir. Bu muhtemelen burada uygulanabilir mi?

R^{2}

$R^2$

— Makro

Hayır, bununla ilgili değil.

— Frank Harrell

Yanıtlar:

kullanma getS3method("summary","coxph") nasıl hesaplandığına bakabilirsiniz.

İlgili kod satırları şunlardır:

logtest <- -2 * (cox$loglik[1] - cox$loglik[2])
rval$rsq <- c(rsq = 1 - exp(-logtest/cox$n), maxrsq = 1 - 
        exp(2 * cox$loglik[1]/cox$n))

Burada cox$loglik"başlangıç değerleri ve katsayıların nihai değerleri ile log-olasılık olasılığını içeren uzunluk 2'ye ait bir vektör" (bakınız ?coxph.object) ve cox$n"uygunlukta kullanılan gözlem sayısı" dır.

— Roland
kaynak

Yanılmıyorsam, Cox & Snell sözde R kare. Çeşitli sözde R- karelerinin açıklaması ve karşılaştırması için ats.ucla.edu/stat/mult_pkg/faq/general/psuedo_rsquareds.htm adresine bakın .

— onestop

Özetinde gözlem sayısına bölünmesi yanlış, sansürsüz olayların sayısı olmalıdır; bakınız O'Quigley ve ark. (2005) Orantılı tehlike modellerinde rasgeleliğin açıklanması Tıpta İstatistik s. 479-489. $n$ coxph

— Ronghui Xu
kaynak

Yanlış, ne kadar garip gelse de, gözlem sayısına bölünürsünüz. Orijinal soruya göre, bir gözden geçirenin Cox modeli için 20 yıldır olan bir şeyin farkında olmayacağı gariptir.

— Frank Harrell

Ronghui Xu ve @Frank Harrell arasındaki değiş tokuşa ek olarak, sadece gözlem sayısına bölünen `` ses garip '' değil, işe yaramıyor. Bunu görmek için, Beta 1'i Çalışma 1'in Çalışma 2'nin iki katı sansürleme oranına sahip olmasının yanı sıra, kabaca E (R2) = 0.5 ve aynı eş değişken dağılımını, yani her şeyi aynı olacak şekilde belirli bir değere sabitlenmiş olarak düşünün. Her ne kadar aynı popülasyon miktarını tahmin etsek de, Çalışma 1'deki R2 tahminleri, örneklem büyüklüğüne bakılmaksızın, Çalışma 2'nin yaklaşık yarısı olacaktır. 0,5 yerine 0,25 civarında olacaktık.

R^{2}

$R^2$

Frank'in sözlerine cevaben, bunun basit olmadığını ve Frank'in sıfır günlük olasılığı ile ilgili gözleminin doğru olduğunu kabul ediyorum. Bu miktarı sadece bilgi kazanımına dayalı olarak iyi tanımlanmış bir nüfus miktarının tutarlı bir tahmincisinin bir tahmini olarak gördüm. Ronghui Xu tarafından atıfta bulunulan makale simülasyonlar yürütmektedir. Bunlar, toplam gözlem sayısından ziyade başarısızlık sayısına bölündüğümüzde sansürün olmamasına rağmen çok daha zayıf olduğunu göstermektedir.

R^{2}

$R^2$