R语言(二)——简单线性模型中的指数变换

本文通过处理口咽癌数据,应用简单线性回归、指数变换和Cox回归模型,探讨不同治疗方法对生存率的影响。分析显示,Cox比例危险模型在描述生存函数方面更为有效。

目录

一、数据

1.数据信息

2.数据处理

二、简单线性回归

三、指数变换

四、生存分析数据的Cox回归模型


一、数据

1.数据信息

口咽癌数据(pharynx.csv)是针对口咽若干位置癌细胞的临床实验。分成两组,一组仅使用放疗(TX=1),另一组使用放疗和化疗(TX=2)。来自Kalbfleisch and Prentice(1980),原本可从http://www.umass.edu/statdata/statdata/stat-nonlin.html下载,但现在似乎已经不可以了,我把资源上传了,在评论区大家可以自取。【评论区有小伙伴提供了github的下载地址,不知道和我的数据有没有区别,不过那边下载不用积分,大家可以尝试一下】

资源下载链接:pharynx.csv

2.数据处理

 数据中的CASE和ENTRY.DT属于无用数据,进行删除。

部分观测值有缺失,进行删除(数据中用9表示缺失)

COND中部分数据过少,进行合并

评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值