很抱歉将此作为单独的答案，但我无法发表评论，因为我的声誉不到 50。

Oka 建议使用脆弱性coxph来检验比例风险假设。我相信值得注意的是，脆弱的文档提到，“coxme包已经取代了这个 [ frailty] 方法。” 出于这个原因，关于“如何在混合效应 cox 模型上检验 PH 假设”的原始问题coxme有充分的理由将其保留在coxme.

但是，我找不到 coxme 模型的等价物。

根据文档，您可以将随机效应添加到具有frailty功能的 Cox 或 survreg 模型中。正如SO answer中所建议的，您可以这样做：

# making the model
myfit <- coxph( Surv(Time, Censor) ~ fixed + frailty(random) , data = mydata )

# assessing the proportionality of hazards
cox.zph(myfit)

如何在混合效应 cox 模型 coxme 上测试 PH 假设？

coxme您可能可以使用模型残差进行诊断。已经提到由lmekin或函数产生的对象具有残差方法。当你得到它们时，你可以绘制它们并以图形或其他方式检查。lmer

如果没有等效的cox.zphforcoxme模型，在科学文章中发表运行混合效应模型但在与模型相同但没有随机效应的模型coxme上测试 PH 假设是否有效？cox.phcoxme

没有理由这样做，因为您可以使用 cox.zph/cox.ph 测试具有随机效应的 PH 并获得更准确的结果。

根据第 31 页中的文档，“cox.zph”不适用于“脆弱”功能。

因此，您不能使用 cox.zph(myfit) 来检查混合效应 Cox 模型作为上面建议的 Oka 或 kjg 的答案。

随机效应术语（如 coxme 模型中的脆弱或随机效应）不会检查比例风险，而是将它们视为模型中的固定偏移量。

模型中固定效应的比例风险 (PH) 假设coxme可以使用与模型相同的cox.zph()函数进行测试coxph。作为状态的文档，cox.zph()它的fit论点是“使用coxph orcoxme函数拟合 Cox 回归模型的结果”。（强调补充。）

正如另一个答案所指出的，coxme模型中的随机效应无法针对 PH 进行评估，因为建模过程将随机效应视为固定偏移量。我怀疑PH 在随机效应方面的失败（无论在这种情况下可能意味着什么）将因此显示为固定效应中的 PH 违规。

这个答案说明了cox.zph()在coxme对象上的成功使用，至少在相当新的软件版本（survival_3.1-11和coxme_2.2-16）中是这样。