偏移交互项答案

【问题标题】：Offset interaction term偏移交互项
【发布时间】：2019-04-09 08:02:34
【问题描述】：

我想在 r 中拟合 coxph 模型并抵消一个主效应和交互项。

我尝试在变量前面使用偏移命令，但它给出了错误：model.frame.default 中的错误（公式 = Surv（时间 = X，事件 = Delta）〜：可变长度不同（为 'offset(D:Y)' 找到）

我们可以生成一些玩具数据，比如

require(survival)
D = rbinom(100, 1, 0.5)
Y = rbinom(100, 1, 0.5)
X = rexp(100, 1)
Delta = rbinom(100, 1, 0.5)
coxph(Surv(time = X, event = Delta) ~ D + offset(Y) + offset(D:Y))

我想抵消 Y 和 D:Y 但它一直给我错误。也许我对如何使用“偏移量”有误。

【问题讨论】：

标签： r

【解决方案1】：

尽管您在公式表达式中使用表达式 D:Y，但它首先由 offset 处理，它实际上并不“知道”如何处理 R 公式中的“：”运算符 -解析上下文。相反，它会给您一条警告消息，暗示它正在被解析为整数序列运算符。

Error in model.frame.default(formula = Surv(time = X, event = Delta) ~  : 
  variable lengths differ (found for 'offset(D:Y)')
In addition: Warning messages:
1: In D:Y : numerical expression has 100 elements: only the first used

如果你想使用 D 和 Y 的乘积作为额外的“交互”偏移，那么你可以这样做：

> coxph(Surv(time = X, event = Delta) ~ D + offset(Y) + offset(I(D*Y)))
Call:
coxph(formula = Surv(time = X, event = Delta) ~ D + offset(Y) + 
    offset(I(D * Y)))

     coef exp(coef) se(coef)      z        p
D -0.9959    0.3694   0.2825 -3.525 0.000423

Likelihood ratio test=12.26  on 1 df, p=0.0004635
n= 100, number of events= 53

看着它，我想甚至可能会删除 I()，因为 offset 并没有使用公式解析逻辑。事实证明确实如此。

【讨论】：