С анализом выживаемости функция опасности представляет собой мгновенную смертность.
В этих анализах обычно вы измеряете, какой эффект оказывает на эту функцию опасности. Например, вы можете спросить: «Проглатывает мышьяк увеличение скорости, с которой люди умирают?». Фоновая опасность - это уровень, при котором люди будут умирать в любом случае (без глотания мышьяка, в данном случае).
Если вы внимательно прочитали документы для coxphfit
, вы заметите, что эта функция пытается рассчитать базовую опасность; это не то, что вы вводите.
базовый уровень Значения X, на которых до вычисляют базовую опасность.
EDIT: Функция MATLAB coxphfit
, очевидно, не работает с сгруппированными данными. Если вы с удовольствием переключитесь на R, то anaylsis - однострочный.
library(survival)
#Create some data
n <- 20;
dfr <- data.frame(
survdays = runif(n, 5, 15),
cens = runif(n) < .3,
x = rlnorm(n),
groups = rep(c("first", "second"), each = n/2)
)
#The Cox ph analysis
summary(coxph(Surv(survdays, cens) ~ x/groups, dfr))
ДРУГОЙ EDIT: Это baseline
параметр от Matlab coxphfit
, как представляется, нормализующее постоянным. Функция R's coxph
не имеет эквивалентного параметра. Я посмотрел в Statistical Computing Майклом Кроули и, похоже, предположил, что базовая опасность не важна, поскольку она отменяется, когда вы вычисляете вероятность того, что ваша индивидуальная смерть. См. Главу 33 и p615-616 в частности. Мои знания о том, как работает модель, недостаточно глубоки, чтобы объяснить несоответствие в реализациях MATLAB и R; возможно, вы могли бы задать вопрос на сайте Stack Exchange Stats Analysis.
Моя любимая статистика по статистике (Справочник по параметрическим и непараметрическим статистическим процедурам Шешина) говорит, что «вспомогательный статистический порядок SPSS» от Norusis является отличной ссылкой на регрессию Cox и что SPSS - хороший инструмент для этого. – Jonas