建模分类数据：假人还是因素？

Question

我正在使用 coxph 模型来估计不同的协变量。

我的模型中的一个协变量是一个名为 LOCATION 的分类变量，特别是一个地理变量，它可以有四种状态：

Boston=1

NY=2

MIAMI=3

LA=4

我真的很困惑函数如何处理分类变量。 Klein 和 Moeschberger（2005 年）在他们的《生存分析》一书中写道，人们应该将分类视为假人。 因此，我将创建三个虚拟变量：NY、MIAMI 和 LA，其中 BOSTON 将是参考组，我的模型如下所示：

1. coxph(surv(start,event)~NY+MIAMI+LA, data=FNMA) （虚拟模型）

这让我很好奇，因为如果这个模型应该是正确的，那么函数应该会自动理解波士顿是那种情况下的参考群体？

另一方面，我曾经读到可以简单地将 LOCATION 变量转换为一个因素：

1. coxph(surv(start,event)~factor(LOCATION), data=FNMA) （因子模型）

老实说，第二个模型对我来说更有意义，但我真的很困惑，因为我引用的那本书说应该像第一个模型一样对待它。（也许这本书太旧了？）

那么现在哪个模型是正确的？

谢谢，

KS

Answer 1

他们应该给你同样的东西（至少他们在普通的线性回归和 GLM 模型中做）。如果您给 R 一个因子，它将使用您的第一个因子水平作为参考水平“在幕后”创建假人。

包含因子的输出应将因子名称列出 3 次，稍作修改以显示它所指的级别。