Resztki Schoenfelda

Czy w modelu proporcjonalnego hazardu Coxa z wieloma zmiennymi, jeśli reszty Schoenfelda nie są płaskie dla jednej ze zmiennych, czy to unieważnia cały model, czy można po prostu zignorować zmienną o niskiej wydajności? Oznacza to, że interpretuj współczynniki dla innych zmiennych, ale nie interpretuj wynikowych współczynników dla zmiennej o niskiej wydajności.

Istnieje kilka standardowych sposobów radzenia sobie z modelem, w którym reszty Schoenfelda nie są płaskie. Załóżmy na chwilę, że nie możemy tego zrobić.

Ocena proporcjonalnych zagrożeń (PH) powinna opierać się na wynikach formalnego testu statystycznego i wykresu reszt Schoenfelda (SR) razem.

Jeśli wykres SR dla danej zmiennej pokazuje odchylenie od linii prostej, podczas gdy pozostaje płaski dla pozostałych zmiennych, to jest to coś, czego nie powinieneś ignorować. Pierwszą rzeczą, którą możesz zrobić, to spojrzeć na wyniki globalnego testu. Globalny test może wskazywać, że ogólne założenie PH jest prawdziwe [lub nie]. Jeśli test globalny jest w porządku, wówczas zmiana kategorii referencyjnej zmiennej, dla której założenie nie jest prawdziwe, może być w stanie osiągnąć PH. Zagrożenia mogą być proporcjonalne w porównaniu do jednej kategorii odniesienia, ale nie do drugiej. Dlatego przełączając kategorie referencyjne, możesz znaleźć kategorię, która powoduje, że założenie PH jest prawdziwe.

Jeśli przełączenie nie rozwiązuje problemu i przy założeniu, że masz odpowiednie zmienne w swoim modelu, oznacza to, że zagrożenia nie są proporcjonalne dla tej konkretnej zmiennej, tj. Różne zagrożenia w różnych punktach czasowych. Dlatego możesz chcieć wprowadzić interakcję między zmienną a czasem w swoim modelu.