2
我需要擬合具有隨時間變化的協變量的參數PH模型(所以不是Cox模型)。我們可以在R中做到嗎?我聽說倖存功能不能處理隨時間變化的協變量。我一直枉然尋找可以解決這個問題的軟件包。擬合具有時變協變量的完全參數化比例風險模型R
我需要擬合具有隨時間變化的協變量的參數PH模型(所以不是Cox模型)。我們可以在R中做到嗎?我聽說倖存功能不能處理隨時間變化的協變量。我一直枉然尋找可以解決這個問題的軟件包。擬合具有時變協變量的完全參數化比例風險模型R
由於@adibender寫,你可以輕鬆地估計模型以恆定的基線將與poisson
家庭用日誌的時間offset
與glm
。下面是一個例子
> # Input parameters
> n <- 100 # Number of individuals
> t_max <- 5 # max number of period per individual
> beta <- c(-1, 1) # true coefficient
>
> # Simulate data
> set.seed(47261114)
> sim_dat <- replicate(
+ n,
+ {
+ out <- data.frame(
+ tstart = rep(NA_integer_, t_max),
+ tstop = rep(NA_integer_, t_max),
+ event = rep(NA, t_max),
+ x = rnorm(t_max))
+
+ for(i in 1:t_max){
+ rate <- exp(beta %*% c(1, out$x[i]))
+ tstop <- min(rexp(1, rate), 1)
+ out[i, ] <- list(i - 1, i - (1 - tstop), tstop < 1, out$x[i])
+ if(out$event[i])
+ break
+ }
+ out[!is.na(out$tstart), ]
+ }, simplify = FALSE)
>
> sim_dat <- do.call(rbind, sim_dat)
> head(sim_dat) # show final data
tstart tstop event x
1 0 0.3018182 TRUE 0.7095841
2 0 0.6724803 TRUE 1.5152877
3 0 1.0000000 FALSE 0.1036868
4 1 2.0000000 FALSE -0.5214508
5 2 2.4831577 TRUE 1.0101403
6 0 1.0000000 FALSE 0.1437594
>
> # Fit with glm
> glm(event ~ x + offset(log(tstop - tstart)), sim_dat, family = poisson())
Call: glm(formula = event ~ x + offset(log(tstop - tstart)), family = poisson(),
data = sim_dat)
Coefficients:
(Intercept) x
-0.9053 0.9714
Degrees of Freedom: 248 Total (i.e. Null); 247 Residual
Null Deviance: 382.5
Residual Deviance: 306.4 AIC: 498.4
請問這個包幫助:http://cran.r-project.org/web/packages/joineR/index.html – 2013-03-05 18:19:33
你可以改變你的數據和適合GLM或GAM與'家庭= poisson'(請參閱http ://data.princeton.edu/wws509/notes/c7s4.html) – adibender 2013-03-05 19:23:51
生存軟件包的(?)作者Terry Therneau並沒有把它作爲優先事項(請參閱:https://stat.ethz.ch /pipermail/r-help/2008-May/161027.html)。如果您有權訪問Stata參數化生存分析軟件包,則此工作正常。就我所知,SAS目前在參數化存活模型中不實現計數過程樣式數據。編輯:特里T.已經在過去的電子郵件響應,所以也許你可以提交一個合理的例子,需要這種模式的請求 - 這是一個方法,這將是有益的許多,我懷疑。 – 2015-02-23 17:05:15