यहाँ मेरे द्वारा उपयोग किए गए कॉक्सफ़-मॉडल का सारांश-आउटपुट है (मैंने आर का उपयोग किया था और आउटपुट सर्वश्रेष्ठ अंतिम मॉडल पर आधारित है, जिसमें सभी महत्वपूर्ण व्याख्यात्मक चर और उनके इंटरैक्शन शामिल हैं):
coxph(formula = Y ~ LT + Food + Temp2 + LT:Food + LT:Temp2 +
Food:Temp2 + LT:Food:Temp2) # Y<-Surv(Time,Status==1)
एन = 555
coef exp(coef) se(coef) z Pr(>|z|)
LT 9.302e+02 Inf 2.822e+02 3.297 0.000979 ***
Food 3.397e+03 Inf 1.023e+03 3.321 0.000896 ***
Temp2 5.016e+03 Inf 1.522e+03 3.296 0.000979 ***
LT:Food -2.250e+02 1.950e-98 6.807e+01 -3.305 0.000949 ***
LT:Temp2 -3.327e+02 3.352e-145 1.013e+02 -3.284 0.001022 **
Food:Temp2 -1.212e+03 0.000e+00 3.666e+02 -3.307 0.000942 ***
LT:Food:Temp2 8.046e+01 8.815e+34 2.442e+01 3.295 0.000986 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Rsquare= 0.123 (max possible= 0.858 )
Likelihood ratio test= 72.91 on 7 df, p=3.811e-13
Wald test = 55.79 on 7 df, p=1.042e-09
Score (logrank) test = 78.57 on 7 df, p=2.687e-14
प्रश्न है:
इस मामले में गुणांक और ऍक्स्प (कॉफ़) मूल्यों की व्याख्या कैसे करें, क्योंकि वे बहुत बड़े मूल्य हैं? इसके अलावा 3-केस इंटरैक्शन शामिल है, जो व्याख्या को अधिक भ्रमित करता है।
कॉक्सफ़-मॉडल के बारे में सभी उदाहरण जो मैंने अब तक ऑनलाइन पाए हैं वे अंतःक्रिया की शर्तों (जो हमेशा महत्वहीन रहे हैं) और गुणांक-मूल्य (= खतरे की दर) और इन (= खतरनाक अनुपात) के घातांक के संबंध में वास्तव में सरल हैं संख्याओं का बहुत छोटा और "आसान संभालना" है, जैसे गुणांक = 1.73 -> ऍक्स्प (कॉफ़) = 5.64। BUT माइन बड़ी संख्या में हैं जैसा कि आप सारांश आउटपुट (ऊपर) से देख सकते हैं। और क्योंकि वे इतने बड़े वाउ हैं, वे लगभग कोई मतलब नहीं समझते हैं।
यह सोचना थोड़ा हास्यास्पद लगता है कि उत्तरजीविता +. +१५e + ३४ है (इंटरेक्शन एलटी से लिया गया खतरनाक अनुपात: खाद्य: टेम्प् २) जब एक यूनिट (?) से बढ़ता है तो समय कम होता है।
वास्तव में मुझे नहीं पता कि इस 3-केस इंटरैक्शन की व्याख्या कैसे करें। क्या इसका मतलब यह है कि जब बातचीत के सभी चर एक इकाई से बढ़ जाते हैं, तो निश्चित राशि (एक्सपी (कॉइफ) -वल्यू द्वारा बताई गई) से उत्तरजीविता घट जाती है।
बहुत अच्छा होगा अगर कोई मेरी मदद कर सकता है यहाँ। :)
नीचे मेरी डेटा शीट का एक हिस्सा है जिसका उपयोग मैंने कॉक्स-विश्लेषण के लिए किया था। यहाँ आप देख सकते हैं, कि मैंने कई "एक ही समय, स्थिति प्रतिक्रिया चर" के लिए कई बार एक ही व्याख्यात्मक चर मान (यानी एलटी, खाद्य और Temp2) का उपयोग किया है। ये व्याख्यात्मक चर मान पहले से ही इन चरों के माध्य मान हैं (प्रकृति में फ़ील्ड-वर्क सेटअप के कारण, प्रत्येक प्रेक्षित प्रतिसाद के लिए अलग-अलग व्याख्यात्मक वैरिएबल मान प्राप्त करना संभव नहीं था, इसलिए इस चरण में पहले से उपयोग किए गए माध्य मान ), और यह सुझाव 1 (?) का जवाब होगा (पहला उत्तर देखें)।
सुझाव 2 (पहला उत्तर देखें): मैं आर का उपयोग कर रहा हूं, और मैं अभी तक इसमें सुपर भगवान नहीं हूं। :) इस प्रकार, अगर मैं फंक्शन प्रेडिक्ट (कॉक्समॉडल, टाइप = "अपेक्षित") का उपयोग करता हूं, तो मुझे विभिन्न मूल्यों की एक बड़ी मात्रा मिलती है और इसका कोई सुराग नहीं है कि वे किस व्याख्यात्मक चर का उल्लेख कर रहे हैं और किस क्रम में हैं। या भविष्यवाणी समारोह में कुछ अंतःक्रियात्मक शब्द को उजागर करना संभव है? मुझे यकीन नहीं है कि मैं यहां खुद को बहुत स्पष्ट कर रहा हूं।
सुझाव 3 (प्रथम उत्तर देखें): नीचे डेटा शीट के हिस्से में, कोई व्यक्ति विभिन्न व्याख्यात्मक चर की इकाइयों को देख सकता है। वे सभी अलग हैं और दशमलव शामिल हैं। क्या कॉक्स परिणाम के साथ ऐसा करने के लिए कुछ हो सकता है?
डेटा शीट का हिस्सा:
Time (days) Status LT(h) Food (portions per day) Temp2 (ºC)
28 0 14.42 4.46 3.049
22 0 14.42 4.46 3.049
9 1 14.42 4.46 3.049
24 0 15.33 4.45 2.595
24 0 15.33 4.45 2.595
19 1 15.33 4.45 2.595
चीयर्स, उन्नाव