में एक कॉक्सफ मॉडल के सारांश में दिया गया " " मान क्या है

Question

क्या है मूल्य आर में एक coxph मॉडल का सारांश में दिए गए? उदाहरण के लिए,$R^2$

Rsquare= 0.186   (max possible= 0.991 )

मैंने मूर्खता से इसे मान के रूप में शामिल किया और समीक्षक ने यह कहते हुए उस पर छलांग लगा दी कि उसे C मॉडल के लिए विकसित किए जा रहे क्लासिक लीनियर रिग्रेशन से स्टैटिस्टिक के एनालॉग के बारे में पता नहीं था और यदि एक था एक संदर्भ प्रदान करें। कोई भी मदद बहुत अच्छी रहेगी!$R^2$$R^2$

Comments

अधिकांश स्थितियों में जहां की अवधारणा शास्त्रीय रैखिक प्रतिगमन से परे विस्तारित होती है, यह मनाया मूल्यों और मॉडल के तहत भविष्यवाणी की गई लोगों के बीच चुकता सहसंबंध है। क्या यह संभवतः यहाँ लागू हो सकता है? $R^2$

— मैक्रो

नहीं, यह उससे संबंधित नहीं है।

— फ्रैंक हरेल

Answer 1

इसका उपयोग करके getS3method("summary","coxph")आप देख सकते हैं कि इसकी गणना कैसे की जाती है।

प्रासंगिक कोड लाइनें निम्नलिखित हैं:

logtest <- -2 * (cox$loglik[1] - cox$loglik[2])
rval$rsq <- c(rsq = 1 - exp(-logtest/cox$n), maxrsq = 1 - 
        exp(2 * cox$loglik[1]/cox$n))

यहाँ cox$loglik"लंबाई का एक वेक्टर है जिसमें प्रारंभिक मानों और गुणांक के अंतिम मूल्यों के साथ लॉग-लाइबिलिटी है" (देखें ?coxph.object) और cox$n"फिट में उपयोग की जाने वाली टिप्पणियों की संख्या" है।

Comments

अगर मैं गलत नहीं हूँ, कि कॉक्स और घोंघे छद्म आर-चुकता है। विभिन्न छद्म आर-वर्गों की व्याख्या और तुलना के लिए, ats.ucla.edu/stat/mult_pkg/faq/general/psuedo_rsquareds.htm देखें ।

— OneStop

Answer 2

के सारांश में टिप्पणियों की संख्या से विभाजित करना गलत है, यह बिना सेंसर की घटनाओं की संख्या होनी चाहिए; ओ'किगले एट अल देखें। (2005) मेडिसिन पी में आनुपातिक खतरों मॉडल सांख्यिकी में यादृच्छिकता समझाया । 479-489।$n$coxph

Comments

गलत है, आप टिप्पणियों की संख्या से विभाजित करते हैं, चाहे कितना भी अजीब लगता हो। मूल प्रश्न के लिए, यह अजीब है कि एक समीक्षक को कॉक्स मॉडल के लिए लगभग 20 वर्षों से कुछ के बारे में पता नहीं होगा।

— फ्रैंक हरेल

Ronghui Xu और @Frank Harrell के बीच आदान-प्रदान को जोड़ने से, न केवल यह `` ध्वनि अजीब '' अवलोकनों की संख्या से विभाजित होता है, यह काम नहीं करता है। इसे देखने के लिए, बीटा को कुछ मूल्य पर तय करें, ताकि मोटे तौर पर, E (R2) = 0.5, और समान कोवरिएट वितरण, अर्थात, सब कुछ समान हो, इस तथ्य के अलावा कि अध्ययन 1 में अध्ययन 2 के रूप में दो बार सेंसर करने की दर है। यद्यपि हमें एक ही जनसंख्या की मात्रा का आकलन करना चाहिए, लेकिन अध्ययन 1 में आर 2 का अनुमान नमूना आकार की परवाह किए बिना अध्ययन 2 के लगभग आधे हैं। 0.5 के बजाय हमें लगभग 0.25 मिल रहा होगा।

$R^2$

फ्रैंक की टिप्पणी के जवाब में, मैं मानूंगा कि यह सीधा नहीं है और नल लॉग-लाइबिलिटी के संबंध में फ्रैंक का अवलोकन सही है। मैंने केवल इस मात्रा को सूचना लाभ के आधार पर एक अच्छी तरह से परिभाषित जनसंख्या मात्रा के सुसंगत आकलनकर्ता के लिए एक अनुमान के रूप में देखा। रोंघुई जू द्वारा संदर्भित कागज अनुकरण करता है। ये सेंसरिंग के प्रभाव को दिखाते हैं, हालांकि अनुपस्थित नहीं, बहुत कमजोर होने के लिए जब हम टिप्पणियों की कुल संख्या के बजाय विफलताओं की संख्या से विभाजित करते हैं।

$R^2$