对于生存分析,危险函数是瞬时死亡率。
在这些分析中,您通常会测量某种东西对此危险函数的影响。例如,你可能会问:“吞咽砷会增加人死亡的速度吗?”。背景风险是人们无论如何都会死亡的水平(在这种情况下,不会吞咽砷)。
如果您仔细阅读coxphfit
的文档,您会注意到该函数尝试计算基准风险;这不是你输入的东西。
基准计算基准危害的X值。
编辑:MATLAB的coxphfit
函数显然不适用于分组数据。如果你乐意切换到R,那么anaylsis是一个单线。
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))
ANOTHER编辑:这baseline
参数MATLAB的coxphfit
似乎是一个标准化常数。 R的coxph
函数没有等效参数。我查看了迈克尔克劳利的Statistical Computing,它似乎暗示基线危险并不重要,因为当你计算你个人死亡的可能性时它会被抵消。特别参见第33章和第615-616页。我对模型工作原理的了解不足以解释MATLAB和R实现中的差异;也许你可以在Stack Exchange Stats Analysis网站上询问。
我最喜欢的统计数据参考(Sheskin的参数化和非参数统计程序手册)说,Norusis的“SPSS Advanced统计程序伴侣”是Cox回归的一个很好的参考,SPSS是一个很好的工具。 – Jonas 2010-08-13 13:00:37