机器算法验证 - 如何模拟具有变化点的 Cox 比例风险模型并在 R 中对其进行编码 - 吾爱随笔录

如何模拟具有变化点的 Cox 比例风险模型并在 R 中对其进行编码

机器算法验证 r 生存 cox模型变化点冒险

2022-04-16 13:35:02

我有一个具有以下特征的模型：

协变量遵循。 $X$ $Be(1/3)$
如果，生存时间遵循。 $X=0$ $Y$ $E=Exponential (1)$
如果，生存时间如果生成为，如果生成为，其中是“变化点”（让）和独立于。 $X=1$ $Y$ $E$ $E\le\Psi$ $\Psi+E_\lambda$ $E>\Psi$ $\Psi$ $\Psi=1$ $E_\lambda=Exponential(\lambda)$ $E$

有谁知道如何模拟这个模型并将其翻译成 R 代码？

1个回答

好吧，经过一番研究，我找到了我的问题的答案，所以这里是允许模拟的代码：

simulation <- function(n,lambda,changepoint, surv.df=TRUE) {

# Define the covariate, restrictions and parameters.

X <- rbinom(n,prob=1/3,size=1)
E <- rexp(n,1)
EL <- rexp(n,lambda)

# Define the piecewise function.

Y <- ifelse(X==0,E,
          ifelse(E<=changepoint,E,changepoint+EL))

## Construction of the data frame.

if (surv.df) data.frame(Y,X) else cbind(Y,X)
}

现在，如果我们想做这个数据帧的m个 Monte Carlo 副本：

m = "number of replicas"

survive.df <- replicate(m, simulation(n = 100 ,lambda = 1,changepoint = 1), simplify=FALSE)

查看i数据集：

survive.df[[i]]

使用i数据集构建 Cox 比例风险模型：

coxph(Surv(Y)~X , data=survive.df[[i]]) # Model.

cox.zph(coxph(Surv(Y)~X , data=survive.df[[i]])) # Schoenfield residuals.

有什么建议么？

其它你可能感兴趣的问题

上一篇优先收集数据下一篇将模型之间的回归系数与标准化因变量进行比较