我无法解释模型的结果。我运行了一个带有两个固定效果的混合效果模型，两个使用frailty（）的随机效果和两个交互项（固定：固定和固定：随机）。我有兴趣重建预测个体生存时间的函数，因此随机效应项的方差估计很重要（因此我不能使用cluster（）来识别它们）。下面是一些示例代码，用于以非常小的比例生成我的数据集：
library(survival)
library(ggplot2)
library(ggfortify)
# Generating data
Hospital <- rep(c("Facility 1", "Facility 2", "Facility 3", "Facility 4"), each = 32)
Doctor <- rep(c("1", "2", "3", "4", "5", "6", "7", "8", "9", "10", "11", "12", "13", "14", "15", "16", "17", "18", "19", "20", "21", "22", "23", "24", "25", "26", "27", "28", "29", "30", "31", "32"), each = 4)
Treatment <- rep(c("A", "B"), each = 16, 4)
City <- rep(c("LA", "NY"), each = 64)
Time1 <- c(NA,1,2,3,4,1,2,3,1,4,NA,1,3,4,1,2,4,3,4,3,3,4,2,4,4,2,3,3,4,4,4,3,3,2,1,3,1,1,2,1,NA,1,NA,1,1,NA,2,3,3,4,2,4,2,3,3,4,3,2,2,2,1,3,4,4,1,2,NA,2,1,1,2,1,2,1,1,1,1,2,NA,3,4,3,2,3,4,4,2,2,4,4,4,3,2,3,3,4,1,1,2,NA,NA,1,1,1,2,1,2,3,1,1,2,3,4,3,4,3,3,4,3,4,1,3,4,3,3,4,4,4)
Time2 <- Time1 + 1
data = data.frame(Hospital, Doctor, Treatment, City, Time1, Time2)
data$Time2[is.na(data$Time2)] <- 1
data$Time2[data$Time2 == 5] <- NA
使用下一节中的ggplot库，显然由于治疗对存活有影响，其中治疗B的个体寿命更长（确认p <0.01）并且由于治疗没有显着影响城市（p> 0.05）或治疗与城市之间的相互作用（p> 0.05）。我的问题在于理解伽马术语的输出。这是告诉我随机效应的影响大小吗？如果是这样，除了医院之外，为什么我看不到Doctor的输出？为什么某些交互术语会输出NA和0＆＃39;
# Model fit and results
sobj <- Surv(data$Time1, data$Time2, type = 'interval2')
data$label <- paste(data$City, data$Treatment)
autoplot(survfit(sobj ~ data$label))
fit <- survreg(sobj ~ data$Treatment + data$City + data$Treatment:data$City +
frailty(data$Hospital) + frailty(data$Doctor) + frailty(data$Hospital):data$City, dist = "weibull")
summary(fit)
我不确定我的问题是在于我编写模型的方式还是我对统计数据的理解（可能是两者），但是看到输出中的错误使我甚至不相信有关修复的结论效果。如果有更好的地方发布我的问题，请告诉我。