cox比例风险回归模型及其R程序 PPT.pptVIP

拉格朗日乘子检验（LM） 如果约束成立，对数似然函数值不会有显著变化。这就意味着在一阶条件下，第二项应该很小，特别是 应该很小。因此，约束条件是否成立检验转化成检验 ，这就是拉格朗日乘子检验的思想。 但是直接检验 比较困难，有一个等价而简单的方法。如果约束条件成立，在约束估计值处计算对数似然函数的导数应该近似为零，如果该值显著异于零，则约束条件不成立，拒绝原假设。 对数似然函数的导数就是得分向量，因此，LM检验就是检验约束条件下参数估计值的得分向量值是否显著异于零，因而，LM检验又称为得分检验。 拉格朗日乘子检验（LM） 在最大似然估计过程中，通过解似然方程 ，可以求出无约束估计量 ；如果计算有约束估计量 在此处得分，则 一般不为零，但是如果约束有效，则 趋近于零。 在原假设成立条件下， 拉格朗日乘子检验（LM） 对于线性约束 将有关量代入上式得， 拒绝域， 拉格朗日乘子检验（LM） LM统计量另一种表达形式， LR、 Wald 、LM关系(一般情况下成立)： 4. Cox模型的解释及应用 (1) 探索结局事件发生的危险因素，分析各因素的作用大小。 (2) 计算个体预后指数（prognosis index，PI），对个体进行定性的预后评价。 (3) 通过估计生存率，对群体定量地进行预后评价。 影响因素Xi的标准差 标准正态离差 相应偏回归系数的标准误 (2)计算个体预后指数（prognosis index，PI），对个体进行定性的预后评价。 定义第j个观察单位的预后指数为： 式中 为第i个协变量的标准偏回归系数 的估计值( )， 为第j个观察单位（个体）第i个协变量的标准化值。 若PIj=0，说明该个体死亡风险处于平均水平； 若PIj0，说明该个体死亡风险高于平均水平； 若PIj0，说明该个体死亡风险低于平均水平。 3．通过估计生存率，对群体定量地进行预后评价。 由于生存率与基础生存率相关，故只要估计出基础生存率，再结合各因素的偏回归系数就可以估计出生存率， 即 ti 时刻的基础生存率公式 ti 时刻的基础累计风险函数公式 在tk时刻的死亡人数 ti 时刻的生存率计算公式 2.Breslow法 5. Cox模型拟合优度的考察 可将研究对象按个体预后指数恰当地分组，用乘积极限法估计各组的生存率曲线，并与按Cox模型预后指数分类的生存率曲线在同一坐标系内进行比较，若两种曲线具有一致性，说明模型拟合较理想。也可以使用卡方检验的方法。 比例风险假定（PH假定）： PH假定的检验方法大致可以分为图法和正规的检验方法。 图法：即通过观察散点图中散点的分布或趋势是否满足既定模型基本假设下的形状来判断资料是否满足或近似满足模型假定，主要的方法有：比较COX-KM生存曲线、基于累计风险函数的图示法、Schoenfeld残差图、Score残差图； 正规的检验方法：通过构造满足既定模型基本假定下服从某一已知分布的统计量，利用P值来检验资料是否满足或近似满足模型假定。主要方法有：时协变量法、线性相关检验、加权残差Score检验、三次样条函数法 ..\Cox比例风险回归模型诊断及预测有关问题的研究_余红梅.caj.caj 对数线性假定 主要的方法：多重β法；鞅残差法；改进的鞅残差法；构造变量法 Cox回归影响点的分析 鞅残差，剩余残差，得分残差，Schoenfeld残差， 加权Schoenfeld残差 cox比例风险回归模型及其R程序 利用生存率函数S(t,X)与风险函数h(t,X)的关系可导出 较好地解决截尾值的问题 反映了协变量X与生存函数的关系 Cox模型的基本形式 所有危险因素为0时的基础风险率，它是未知的，但假定它与h(t,X)是呈比例的。 右侧可分为两部分：h0(t)没有明确的定义，分布无明确的假定，参数无法估计，为非参数部分；另一部分是参数部分，其参数可以通过样本的实际观察值来估计的，正因为Cox模型有非参数和参数两部分组成，故又称为半参数模型。 若?i0，则RR1，该因素为危险因素； 若?i0，则RR1, 该因素为保护因素； 若?i=0，则RR=1, 该因素为无关因素。 偏回归系数?i的意义是，当其它协变量都不变时，Xi每变化一个单位，相对危险度的自然对数（lnRR）变化?i个单位。 相对危险度RR 相对危险度RR ③同时考虑2个协变量，2