2

我是 R 的新手。目前我正在为我拥有的一些生存数据拟合对数正态分布,但是在尝试计算中位数和平均值等统计数据时我陷入了困境。这是我到目前为止使用的代码,谁能告诉我接下来应该输入什么来找到平均值?

# rm(list=ls(all=TRUE))
library(survival)
data<-read.table("M:\\w2k\\Diss\\Hoyle And Henley True IPD with number at risk known.txt",header=T)
attach(data)
data
times_start <-c(  rep(start_time_censor, n_censors), rep(start_time_event, n_events) )
times_end <-c(  rep(end_time_censor, n_censors), rep(end_time_event, n_events)  )
model <- survreg(Surv(times_start, times_end, type="interval2")~1, dist="lognormal")
intercept <- summary(model)$table[1]   
log_scale <- summary(model)$table[2]

这是我卡住的地方,我试过:

meantime<-exp(intercept+log_scale/2)

但这似乎并没有给出一个现实的意思。

4

1 回答 1

2

寻找工作示例的地方是?predict.survreg. (一般来说,使用方法的帮助系统predict是任何回归方法的有效策略。)

运行最后一个示例应该为您提供足够的基础来继续。特别是,您应该看到回归系数不是生存时间或分位数的估计值。

lfit <- survreg(Surv(time, status) ~ ph.ecog, data=lung)
pct <- 1:98/100   # The 100th percentile of predicted survival is at +infinity
ptime <- predict(lfit, newdata=data.frame(ph.ecog=2), type='quantile',
                 p=pct, se=TRUE)
matplot(cbind(ptime$fit, ptime$fit + 2*ptime$se.fit,
                          ptime$fit - 2*ptime$se.fit)/30.5, 1-pct,
         xlab="Months", ylab="Survival", type='l', lty=c(1,2,2), col=1)
 # The plot should be examined since you asked for a median survival time
 abline(h= 0.5)
 # You can  drop a vertical from the intersection to get that graphically 

.... 或者 ...

 str(ptime)
List of 2
 $ fit   : num [1:98] 9.77 16.35 22.13 27.46 32.49 ...
 $ se.fit: num [1:98] 2.39 3.53 4.42 5.16 5.82 ...

您可以使用以下方法从该生存时间序列中提取第 50 个百分位数:

 ptime$fit[which((1-pct)==0.5)]
# [1] 221.6023   

以天为单位,这就是为什么 Therneau 除以 30.5 来显示月份

于 2013-09-15T16:00:40.377 回答