我正在尝试使用 flexsurv 包中的 flexsurvreg 估计适合某些生存数据的 Weibull 分布的平均失败时间。我需要能够估计用于模拟模型的标准误差。
以flexsurvreg和lung数据为例；
require(flexsurv)
lungS <- Surv(lung$time,lung$status)
lungfit <- flexsurvreg(lungS~1,dist="weibull")
lungfit
Call:
flexsurvreg(formula = lungS ~ 1, dist = "weibull")
Maximum likelihood estimates:
est L95% U95%
shape 1.32 1.14 1.52
scale 418.00 372.00 469.00
N = 228, Events: 165, Censored: 63
Total time at risk: 69593
Log-likelihood = -1153.851, df = 2
AIC = 2311.702
现在，计算均值只是将估计的参数值代入标准公式的情况，但是有没有一种简单的方法可以得出这个估计的标准误差？ survreg 可以做到这一点吗？
最佳答案
在flexsurv 0.2版本中，如果x是拟合模型对象，那么x$cov是参数估计的协方差矩阵，在对数刻度上具有正参数。然后，您可以使用最大似然估计量的渐近正态特性。模拟大量多元法向向量，将估计值作为均值，并使用此协方差矩阵(例如使用 mvtnorm 包中的 rmvnorm)。这为您提供了在抽样不确定性下参数估计的重复。计算每个重复的相应平均存活率，然后取所得样本的 SD 或分位数以获得标准误差或置信区间。
关于r - 使用带有标准误差的 survreg/flexsurvreg 估算平均故障时间，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/18253221/