Question

我想用R中的一个预测器来估计一个指数危险模型。出于某种原因，当我使用带有偏移log t的glm poisson进行估计时，我得到具有相反符号的系数，当我只使用来自生存方案。我确信这个解释非常明显，但我无法弄明白。

实施例

t <- c(89,74,23,74,53,3,177,44,28,43,25,24,31,111,57,20,19,137,45,48,9,17,4,59,7,26,180,56,36,51,6,71,23,6,13,28,16,180,16,25,6,25,4,5,32,94,106,1,69,63,31)
d <- c(0,1,1,0,1,1,0,1,1,0,1,1,1,1,0,0,1,0,1,1,1,0,1,0,1,1,0,0,1,1,1,1,1,1,1,1,1,0,1,1,1,1,1,1,1,0,1,1,1,1,1)
p <- c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,0,0,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,0,0,0,1,1,1)
df <- data.frame(d,t,p)

# exponential hazards model using poisson with offest log(t)
summary(glm(d ~ offset(log(t)) + p, data = df, family = "poisson"))

产地：

Coefficients:
            Estimate Std. Error z value Pr(>|z|)    
(Intercept)  -5.3868     0.7070  -7.619 2.56e-14 ***
p             1.3932     0.7264   1.918   0.0551 .

与

相比

# exponential hazards model using survreg exponential
require(survival)
summary(survreg(Surv(t,d) ~ p, data = df, dist = "exponential"))

产地：

            Value Std. Error     z        p
(Intercept)  5.39      0.707  7.62 2.58e-14
p           -1.39      0.726 -1.92 5.51e-02

为什么系数方向相反，我将如何解释结果？谢谢！

Answer 1

在第二个模型中，p的增加值与预期存活率降低相关。在第一个模型中，具有长t值的增加的p意味着更高的生存机会和更低的风险。必要性的风险和平均生存时间值的变化是相反的。绝对值相同的事实来自数学身份日志（1 / x）= -log（x）。风险与指数模型中的平均寿命（完全）成反比。

指数危险模型系数的相反方向（存活和glm泊松）

1 个答案: