用R中的生存包实现cox比例风险模型中的非线性关系
用R中的生存包实现cox比例风险模型中的非线性关系
提问于 2016-06-02 16:22:51
我是根据树木普查数据模拟树木死亡率的。人们每隔一段时间就出去，记录树木是生是死。我使用coxph函数来运行一个cox比例风险模型，作为几个预测变量的函数来分析树木死亡率的概率。代码看起来像：
model <- coxph(S ~ x1 + x2 + x3, data = data)然而，我的预测因子之一，树的大小，实际上被期望与死亡概率有一个非线性的关系。具体来说，树木在很小的时候就会死亡，当它们达到“幼年”阶段时，死亡的概率就会下降，并且是中等大小，然后随着树木的年龄越来越大，死亡概率又会回升。这在死亡概率和树大小之间创建了一个“反向J形”模式。看起来是这样的：
如何将这种非线性关系合并到coxph框架中？如果这是不可能的，我还能如何分析R环境中的死亡概率，使用JAGS模型或其他什么？
回答 1
Stack Overflow用户
发布于 2016-06-02 17:04:43
尝试：
library(mgcv)
fit <- gam(S ~ s(x1, bs = 'cr', k = 10) + s(x2, bs= 'cr', k = 10) +
s(x3, bs = 'cr', k = 10), family = cox.ph(), data = data)您可以拟合加性Cox比例风险模型，其中所有的项都是非线性样条.有关广泛的示例，请参见?cox.ph。
如果您以前没有使用过mgcv，您可能还需要查看?gam和?s。模特试穿后，summary.gam()、gam.check()和predict.gam()是你的朋友。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/37597236
复制相关文章
相似问题
腾讯云开发者
