r语言 svycoxph_R语言生存分析04-Cox比例风险模型诊断

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