Làm thế nào để đánh giá mức độ phù hợp của chức năng sống sót

Tôi là người mới tham gia phân tích sinh tồn, mặc dù tôi có một số kiến ​​thức về phân loại và hồi quy.

Để hồi quy, chúng ta có số liệu thống kê MSE và R vuông. Nhưng làm thế nào chúng ta có thể nói rằng mô hình sinh tồn A vượt trội hơn mô hình sống sót B bên cạnh một số loại đồ họa (đường cong KM)?

Nếu có thể, vui lòng giải thích sự khác biệt bằng một ví dụ (ví dụ: gói rpart trong R). Làm thế nào bạn có thể chỉ ra rằng một cây sống sót GIỎI tốt hơn một cây sống sót GIỎI khác? Những số liệu có thể được sử dụng?

$R^2$(được mô tả trong câu trả lời khác) là nó phụ thuộc rất nhiều vào phân phối kiểm duyệt dữ liệu của bạn. Những điều tự nhiên khác mà bạn có thể xem xét, chẳng hạn như tỷ lệ khả năng cho mô hình null, cũng có vấn đề này. . những cách được đề xuất để giải quyết vấn đề này, nhưng những cách tôi từng thấy thường yêu cầu bạn phải có một mô hình phân phối kiểm duyệt hoặc một cái gì đó không thực tế. Tôi đã không nhìn vào mức độ xấu của sự phụ thuộc này trong thực tế, vì vậy nếu kiểm duyệt của bạn khá nhẹ, bạn vẫn có thể xem xét các thống kê dựa trên tỷ lệ khả năng. Đối với các mô hình GIỎ HÀNG

$\tau$cũng ít nhạy cảm hơn các thống kê ở trên, vì vậy bạn có thể không muốn chọn giữa các mô hình dựa trên nó nếu sự khác biệt giữa chúng là nhỏ; nó hữu ích hơn khi là một chỉ số có thể hiểu được về hiệu suất chung hơn là cách so sánh các mô hình khác nhau.

(Cuối cùng, tất nhiên nếu bạn có mục đích cụ thể cho các mô hình - nghĩa là, nếu bạn biết chức năng mất dự đoán của mình là gì - bạn luôn có thể đánh giá chúng theo chức năng mất! Nhưng tôi đoán bạn ' lại không may mắn lắm ...)

Để thảo luận sâu hơn về cả thống kê tỷ lệ khả năng và c củaellell , bạn nên xem sách giáo khoa Chiến lược mô hình hồi quy tuyệt vời của Mitchell . Phần đánh giá các mô hình sống sót là §19.10, trang 492-493. Tôi xin lỗi tôi không thể cho bạn một câu trả lời dứt khoát, nhưng tôi không nghĩ đây là một vấn đề được giải quyết!

Cox tỷ lệ rủi ro hồi quy cho dữ liệu sinh tồn có thể được coi là tương ứng với hồi quy tiêu chuẩn ở nhiều khía cạnh. Ví dụ, hồi quy Cox cũng cung cấp các lỗi tiêu chuẩn còn lại và thống kê bình phương R. Xem coxphchức năng trong survivalgói R. (Bạn có thể nghĩ các đường cong KM tương ứng với các phân tích phi tham số trong thống kê tiêu chuẩn. Làm thế nào bạn có thể kết hợp một thử nghiệm không tham số vào GIỎI?) Trong thực tế với dữ liệu lâm sàng, sai số chuẩn còn lại có xu hướng cao và giá trị R bình phương thấp trong hồi quy Cox.

Do đó, hồi quy tiêu chuẩn và hồi quy Cox có các yêu cầu và hạn chế tương tự. Bạn phải xác minh rằng dữ liệu phù hợp với các giả định cơ bản, trong phân tích Cox bao gồm thêm giả định rằng các mối nguy được so sánh tỷ lệ thuận theo thời gian. Bạn vẫn sẽ phải tránh phù hợp quá mức và bạn sẽ phải xác nhận mô hình của bạn. Và như tôi hiểu GIỎI, mặc dù tôi không sử dụng nó cho mình, bạn vẫn sẽ phải đối mặt với những khó khăn đặt ra bằng cách so sánh các mô hình không lồng nhau.