我有两个数据集（培训和验证），用于构建和验证Cox模型。
使用训练数据集，我使用逐步选择方法拟合了一个cox模型。
模型中的重要变量是验证模型中包含的唯一变量。 这是正确的做法吗？
在验证模型时，我意识到变量在验证模型中并不重要，并且cox模型的假设也不成立（我检查了验证数据的假设）。 我是否应该忽略变量无关紧要的事实，并继续在验证数据中对模型假设的问题进行修正？
第三，在训练和验证数据中，我都有一个变量治疗＆＃39;有三组。在训练中，组是标准，新药和混合物，而在验证数据中，组是标准，新药和X（是与训练数据中的混合物不同的治疗）。 在两个模型中包含此变量是否正确，或者我应该删除不匹配的组;来自训练数据的混合物和来自验证数据的X，还是应该像这样使用它？我不确定这会如何影响我的分析。
感谢您的回复。
答案 0 :(得分：1)
回答你的第一个问题：是的，这是正确的方法。训练和验证集的整个想法是，您根据训练集做出关于模型的所有决策（此处：要添加的变量）。然后使用验证集来评估您在训练集中的结果的稳健性。这样您就可以检查过度拟合，异常值，数据错误等。
但是，我不推荐逐步回归方法。请参阅此帖子的最佳答案：https://stats.stackexchange.com/questions/115843/backward-selection-for-cox-model-using-r。
第二个问题：不，你不应该忽视那些微不足道的变量。这正是您拥有验证集的原因。也许你的训练集有几个非常有影响的观察（异常值）？或者是其他东西？无论如何，你必须做一些额外的研究。
你的意思是什么？我认为你的意思是比例风险（PH）假设不成立，因为这种假设经常被违反。与第一个问题的答案相同的推理。首先在训练集上检查假设。如果它也没有，请在模型中进行调整。如果它确实是变量违反的PH假设，则添加时间交互或制作分层的cox模型。 [例如：http://www.dbc.wroc.pl/Content/27006/Borucka_Extensions_of_Cox_model_For_non_proportional.pdf]
我对第三个问题的答案并不完全确定，但这里是：如果您的验证模型中没有包含X，那么将其包含在您的培训模型中是不对的。变量处理是一个因素，因此在回归中它基本上变为每个级别的虚拟（0/1）变量。因此，包含X与在验证模型中引入全新变量相同，这是违反直觉的。
希望这有帮助！