我在使用 coxph() 时遇到了一些麻烦。我有两个分类变量:“tecnologia”和“pais”,我想评估“pais”对“tecnologia”可能的交互作用。“tecnologia”是一个变量因子,有2个级别:gps和convencional。和“pais”作为 2 个级别:PT 和 ES。我不知道为什么这个警告不断出现。
这是代码和输出:
cox_AC<-coxph(Surv(dados_temp$dias_seg,dados_temp$status)~tecnologia*pais,data=dados_temp)
Warning message:
In coxph(Surv(dados_temp$dias_seg, dados_temp$status) ~ tecnologia * :
X matrix deemed to be singular; variable 3
> cox_AC
Call:
coxph(formula = Surv(dados_temp$dias_seg, dados_temp$status) ~
tecnologia * pais, data = dados_temp)
coef exp(coef) se(coef) z p
tecnologiagps -0.152 0.859 0.400 -0.38 7e-01
paisPT 1.469 4.345 0.406 3.62 3e-04
tecnologiagps:paisPT NA NA 0.000 NA NA
Likelihood ratio test=23.8 on 2 df, p=6.82e-06 n= 127, number of events= 64
我正在提出关于这个主题的另一个问题,尽管几个月前我提出了一个类似的问题,因为我再次面临同样的问题,其他数据。这次我确定这不是与数据相关的问题。
有人可以帮助我吗?
谢谢
更新:
问题好像不是很完美的分类
> xtabs(~status+tecnologia,data=dados)
tecnologia
status conv doppler gps
0 39 6 24
1 30 3 34
> xtabs(~status+pais,data=dados)
pais
status ES PT
0 71 8
1 49 28
> xtabs(~tecnologia+pais,data=dados)
pais
tecnologia ES PT
conv 69 0
doppler 1 8
gps 30 28
最佳答案
这是一个简单的示例,它似乎可以重现您的问题:
> library(survival)
> (df1 <- data.frame(t1=seq(1:6),
s1=rep(c(0, 1), 3),
te1=c(rep(0, 3), rep(1, 3)),
pa1=c(0,0,1,0,0,0)
))
t1 s1 te1 pa1
1 1 0 0 0
2 2 1 0 0
3 3 0 0 1
4 4 1 1 0
5 5 0 1 0
6 6 1 1 0
> (coxph(Surv(t1, s1) ~ te1*pa1, data=df1))
Call:
coxph(formula = Surv(t1, s1) ~ te1 * pa1, data = df1)
coef exp(coef) se(coef) z p
te1 -23 9.84e-11 58208 -0.000396 1
pa1 -23 9.84e-11 100819 -0.000229 1
te1:pa1 NA NA 0 NA NA
现在让我们像这样寻找“完美分类”:
> (xtabs( ~ s1+te1, data=df1))
te1
s1 0 1
0 2 1
1 1 2
> (xtabs( ~ s1+pa1, data=df1))
pa1
s1 0 1
0 2 1
1 3 0
请注意,值为
1
为 pa1
准确预测有状态 s1
等于 0
.也就是说,根据你的数据,如果你知道pa1==1
那么你可以肯定比s1==0
.因此,在此设置中拟合 Cox 模型是不合适的,并且会导致数值错误。这可以看出
> coxph(Surv(t1, s1) ~ pa1, data=df1)
给予
Warning message:
In fitter(X, Y, strats, offset, init, control, weights = weights, :
Loglik converged before variable 1 ; beta may be infinite.
在拟合模型之前查看这些交叉表很重要。在考虑涉及交互的模型之前,也值得从更简单的模型开始。
如果我们将交互项添加到
df1
像这样手动:> (df1 <- within(df1,
+ te1pa1 <- te1*pa1))
t1 s1 te1 pa1 te1pa1
1 1 0 0 0 0
2 2 1 0 0 0
3 3 0 0 1 0
4 4 1 1 0 0
5 5 0 1 0 0
6 6 1 1 0 0
然后检查它
> (xtabs( ~ s1+te1pa1, data=df1))
te1pa1
s1 0
0 3
1 3
我们可以看到它是一个无用的分类器,即它无助于预测状态
s1
.当组合所有 3 项时,钳工确实设法为
te1
产生一个数值。和 pe1
即使 pe1
是一个完美的预测器,如上所述。然而,查看系数的值及其误差表明它们是不可信的。编辑 @JMarcelino:如果您查看第一个
coxph
中的警告消息示例中的模型,您将看到警告消息:2: In coxph(Surv(t1, s1) ~ te1 * pa1, data = df1) :
X matrix deemed to be singular; variable 3
这可能与您遇到的错误相同,并且是由于分类问题造成的。另外,您的第三个交叉表
xtabs(~ tecnologia+pais, data=dados)
不如status
的表重要来自 interaction term
.您可以先手动添加交互项,如上例所示,然后检查交叉表。或者你可以说:> with(df1,
table(s1, pa1te1=pa1*te1))
pa1te1
s1 0
0 3
1 3
也就是说,我注意到您的第三个表中的一个单元格为零(
conv
、 PT
),这意味着您没有使用这种预测变量组合进行观察。这会在尝试合身时引起问题。一般来说,结果应该对所有级别的预测变量都有一些值,并且预测变量不应该将结果分类为完全是全有或全无或 50/50。
编辑 2 @user75782131 是的,一般来说
xtabs
或类似的交叉表应该在结果和预测变量是离散的模型中执行,即具有有限的数量。的水平。如果存在“完美分类”,则预测模型/回归可能不合适。例如,逻辑回归(结果是二元的)以及 Cox 模型都是如此。
关于r - coxph() X 矩阵被认为是奇异的;,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/20977401/