在具有许多变量的 Cox 比例风险模型中,如果其中一个变量的 Schoenfeld 残差不平坦,这是否会使整个模型无效,或者是否可以忽略表现不佳的变量?也就是说,解释其他变量的系数,但不解释表现不佳的变量的结果系数。
有几种标准方法可以处理 Schoenfeld 残差不平坦的模型。暂时假设我们做不到。
在具有许多变量的 Cox 比例风险模型中,如果其中一个变量的 Schoenfeld 残差不平坦,这是否会使整个模型无效,或者是否可以忽略表现不佳的变量?也就是说,解释其他变量的系数,但不解释表现不佳的变量的结果系数。
有几种标准方法可以处理 Schoenfeld 残差不平坦的模型。暂时假设我们做不到。
比例风险 (PH) 的判断应基于正式统计检验的结果和 Schoenfeld 残差 (SR) 图。
如果给定变量的 SR 图显示与直线的偏差,而其余变量保持平坦,那么您不应忽略它。您可以做的第一件事是查看全局测试的结果。全局测试可能表明 PH 的总体假设成立 [或不成立]。如果全局测试没问题,那么切换假设不成立的变量的参考类别,您可能能够实现 PH。当与一个参考类别而不是另一个参考类别相比时,危害可能是成比例的。因此,通过切换参考类别,您可能能够找到导致 PH 假设成立的类别。
如果切换不能解决您的问题,并且假设您的模型中有正确的变量,那么这表明该特定变量的危险不成比例,即不同时间点的不同危险。因此,您可能希望在模型中引入变量和时间之间的交互。