我有两个数据集（训练和验证）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 cox 模型。
模型中的重要变量是验证模型中包含的唯一变量。这是正确的方法吗？
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微不足道的事实并继续纠正验证数据中模型假设的问题？
第三，在训练和验证数据中，我对三组进行了变量“治疗”。在训练中，组是标准、新药和混合，而在验证数据中，组是标准、新药和 X（这是一种不同于训练数据中混合的治疗方法）。在两个模型中都包含这个变量是否正确，或者我应该消除不匹配的组；来自训练数据和来自验证数据的 X 的混合物，还是我应该这样使用它？我不确定这会如何影响我的分析。
感谢您的回复。
回答您的第一个问题：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定（这里：添加哪些变量）。然后使用验证集来评估您在训练集中的结果有多稳健。通过这种方式，您可以检查过度拟合、异常值、数据错误等。
但是，我不推荐逐步回归方法。请参阅这篇文章的最佳答案：https ://stats.stackexchange.com/questions/115843/backward-selection-for-cox-model-using-r 。
第二个问题：不，你不应该忽略无关紧要的变量。这正是您拥有验证集的原因。也许您的训练集有几个非常有影响力的观察结果（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。
你指的是哪个假设？我假设您的意思是比例风险（PH）假设不成立，因为这个假设经常被违反。与您的第一个问题的答案相同的推理方式。首先在训练集上检查假设。如果它也不存在，请在您的模型中进行调整。如果确实违反了变量的 PH 假设，请添加时间交互或制作分层 cox 模型。[参见例如：http ://www.dbc.wroc.pl/Content/27006/Borucka_Extensions_of_Cox_model_For_non_proportional.pdf ]
我不完全确定我对第三个问题的回答，但这里是：如果 X 未包含在您的训练模型中，则将其包含在您的验证模型中是不正确的。变量处理是一个因素，因此在回归中，它基本上会更改为每个级别的虚拟 (0/1) 变量。因此，包括 X 与在您的验证模型中引入一个全新的变量相同，这是违反直觉的。
希望这可以帮助！