指數危險模型係數的相反方向（具有存儲和glm泊松）

我想用R中的一個預測因子來估計指數危險模型。出於某種原因，當我使用glm泊松估計它時，我得到的符號相反與偏移日誌噸，當我只是使用生存包倖存功能。我相信解釋是非常明顯的，但我無法弄清楚。指數危險模型係數的相反方向（具有存儲和glm泊松）

例

t <- c(89,74,23,74,53,3,177,44,28,43,25,24,31,111,57,20,19,137,45,48,9,17,4,59,7,26,180,56,36,51,6,71,23,6,13,28,16,180,16,25,6,25,4,5,32,94,106,1,69,63,31) 
d <- c(0,1,1,0,1,1,0,1,1,0,1,1,1,1,0,0,1,0,1,1,1,0,1,0,1,1,0,0,1,1,1,1,1,1,1,1,1,0,1,1,1,1,1,1,1,0,1,1,1,1,1) 
p <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,0,0,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,0,0,0,1,1,1) 
df <- data.frame(d,t,p) 

# exponential hazards model using poisson with offest log(t) 
summary(glm(d ~ offset(log(t)) + p, data = df, family = "poisson"))

產地：

Coefficients: 
      Estimate Std. Error z value Pr(>|z|)  
(Intercept) -5.3868  0.7070 -7.619 2.56e-14 *** 
p    1.3932  0.7264 1.918 0.0551 .

相比

# exponential hazards model using survreg exponential 
require(survival) 
summary(survreg(Surv(t,d) ~ p, data = df, dist = "exponential"))

產地：

  Value Std. Error  z  p 
(Intercept) 5.39  0.707 7.62 2.58e-14 
p   -1.39  0.726 -1.92 5.51e-02

爲什麼係數的方向相反，我將如何解釋結果？謝謝！

來源

2016-02-21 fmerhout

好的，所以我開始閱讀[this]（http://www.math.ku.dk/~richard/courses/regression2014/survival.html）。泊松模型估計危害，而倖存模型是一種加速失效時間模型。由於我使用的是指數模型而不是威布爾，所以係數恰好相反。儘管如此，我仍然對這個解釋留有餘地。 – fmerhout

這很簡單。這兩個模型中的響應變量是不同的。對於泊松來說，你正在模擬事件計數/狀態（因爲只有0-1），因此係數就像'風險'或'危險'，而在'倖存'中你模擬時間，所以係數就像'生存'（日誌時間比例確實），這與「風險」呈負相關。風險/危險越高，生存時間越短。 – Eric

在第二個模型中，p的增加值與預期存活下降相關。在第一種模型中，具有長t值的增加的p意味着更高的存活機會和更低的風險。風險變化和平均生存時間價值的必然性是相反的。絕對值相同的事實來自數學身份log（1/x）= -log（x）。風險與指數模型中的平均壽命（精確地）成反比。

來源

2016-03-09 01:07:31

謝謝，這正是我正在尋找的。當然，還有一些功勞也應該是首先提供這個答案的@Eric--而不是一個答案。 – fmerhout

你也可以看看：'summary（survreg（Surv（t，d）〜p，data = df，dist =「weibull」，scale = 1））'注意''survreg'的Examples部分的註釋 –

指數危險模型係數的相反方向（具有存儲和glm泊松）

回答

相關問題