我正在尝试仅使用 R 在样本 2,000,000 行数据集上运行 Cox 回归，如下所示。这是 SAS 中 PHREG 的直接翻译。样本代表了原始数据集的结构。

##
library(survival)

### Replace 100000 by 2,000,000

test <- data.frame(start=runif(100000,1,100), stop=runif(100000,101,300), censor=round(runif(100000,0,1)), testfactor=round(runif(100000,1,11)))

test$testfactorf <- as.factor(test$testfactor)
summ <- coxph(Surv(start,stop,censor) ~ relevel(testfactorf, 2), test)

# summary(summ)
##

user  system elapsed 
9.400   0.090   9.481 

主要挑战在于原始数据集（2m 行）的计算时间。据我了解，在 SAS 中，这可能需要长达 1 天的时间，......但至少它完成了。

• 运行仅包含 100,000 个观测值的示例仅需 9 秒。此后，观察次数每增加 100,000 次，时间几乎呈二次方增长。

• 我还没有找到任何方法来并行化操作（例如，如果可能的话，我们可以利用 48 核机器）

• Revolution Analytics 的任何软件包都biglm不能用于 Cox 回归，因此我无法利用这些。

有没有一种方法可以用逻辑回归（Revolution 中有包）来表示这个问题，或者这个问题是否还有其他替代方案？我知道它们在根本上是不同的，但鉴于这种情况，这是我能假设的最接近的可能性。