残差检验_第三十讲 R语言-Cox比例风险模型的假设检验条件

在介绍完 Cox比例风险模型的详细理论和R实现以后（插入链接！！！），我们已经知道Cox比例风险模型可以较好的同时矫正多个混杂因素对结果的影响，同时我们遗留下来了一个问题：Cox比例风险模型的假设检验条件是什么？这一讲，我们将对此进行解答。

请注意，如果使用不当，统计模型可能会产生误导性的结论。因此，检查给定的模型是否适合数据类型是非常重要的！

1. Cox比例风险模型的假设条件

Cox比例风险模型的成立是建立在数据满足一定假设条件的基础上的。因此，评估拟合的Cox回归模型是否满足这些假设条件非常重要。

我们需要测试Cox模型成立的三个基本条件：

• 测试比例风险假设。
• 检查影响观察结果的值（或异常值）。
• 检测对数风险值与协变量之间关系的非线性情况。

为了测试这些模型假设，我们推荐使用残差法。

Cox模型的常见残差包括：

• Schoenfeld残差：用以检查比例风险假设
• Martingale残差：应以评估非线性情况
• Deviance残差（Martinguale残差的对称变换）：用以检查异常值

2. 评估 Cox比例风险模型的有效性

2.1 安装和加载所需的R包

我们将使用两个R包：

• survival用于计算生存分析
• survminer用于可视化生存分析的结果
• 安装软件包

install.packages(c("survival", "survminer"))

• 加载包

library("survival")
library("survminer")

2.2 计算Cox模型

我们将使用在survival包中的自带lung部数据集和coxph（）函数。

计算Cox模型，请输入以下内容：