Как сравнить результаты регрессии Кокса Опции

[propedevt]

Уважаемые форумчане!
Для анализа выживаемости строю модель Кокса, с разными независимыми переменными. И появилась необходимость сравнить модели.
И собственно вопрос у меня к Вам - как сравнить что одна полученная модель лучше чем другая?

[propedevt]

Итак хочу написать в математических операциях.
начальная формула: h(t)=h0(t)*exp(sum(z_случая*coef(fit)))
в итоге она сводится к такому выражению -log((survfit(model5))$surv)*exp(sum(data[1,c(7,4,6)]*coef(model5)))

Напишу ее так
h(t)= h0(t) * exp((-3.7569726150 * efmss) + (0.0944770843 * gal) + (0.0001896144 * cys))

где h0(t) = -log((survfit(model5))$surv) для случая.

Но я ведь хочу получить h(t) в произвольное время, например 1 месяц, 2, 6, 12 месяцев. то как быть?
Может просто предрасчитать h0(t) для определенных периодов времени? для 1, 6, 12, 24 месяцев?
и написать 4 выражения
h(t)1 = h0(t) для 1 месяца * exp((-3.7569726150 * efmss) + (0.0944770843 * gal) + (0.0001896144 * cys))
...
h(t)24 = h0(t) для 24 месяцев * exp((-3.7569726150 * efmss) + (0.0944770843 * gal) + (0.0001896144 * cys))

И еще у меня сомнения почему http://www.medcalc.org/manual/cox_proportional_hazards.php - тут формула как я уже приводил -, а в источнике http://cran.r-project.org/doc/contrib/Fox-...-regression.pdf как мы и применяли h(t)=h0(t)*exp(sum(z_случая*coef(fit)))
Почему формулы разные?

[p2004r]

Итак хочу написать в математических операциях.
начальная формула: h(t)=h0(t)*exp(sum(z_случая*coef(fit)))
в итоге она сводится к такому выражению -log((survfit(model5))$surv)*exp(sum(data[1,c(7,4,6)]*coef(model5)))

Напишу ее так
h(t)= h0(t) * exp((-3.7569726150 * efmss) + (0.0944770843 * gal) + (0.0001896144 * cys))

где h0(t) = -log((survfit(model5))$surv) для случая.

Но я ведь хочу получить h(t) в произвольное время, например 1 месяц, 2, 6, 12 месяцев. то как быть?

h0(t) это вектор

Код

> -log((survfit(model5))$surv)-log((survfit(model5))$surv)
[1] 0.001434433 0.002896060 0.004378831 0.005867030 0.009507764 0.011370558
[7] 0.013238906 0.015119373 0.017008566 0.018935377 0.025508637 0.028133827
[13] 0.031238952 0.034380365 0.037591782 0.048067703 0.052113425 0.056235577
[19] 0.069835387 0.080165336 0.096467693 0.132135039 0.138762294 0.152187564
[25] 0.159083425 0.166031524 0.173286195 0.180591443 0.187915816 0.195538065
[31] 0.203293496 0.211711379 0.220140561 0.228580248 0.246148514 0.266057826
[37] 0.276596623 0.287524419 0.298984213 0.311091394 0.323770448 0.337777944
[43] 0.352212588 0.366905663 0.413421463 0.430436193 0.447848689 0.466372621
[49] 0.506212459 0.526541374 0.547304711 0.568618961 0.589999114 0.611500628
[55] 0.633519035 0.678778868 0.726249695 0.750942833 0.801882114 0.829015697
[61] 0.884130282 0.941280442 0.970508354 1.000617910 1.031537555 1.096044356
[67] 1.198403880 1.233499725 1.346428021 1.478238479 1.526858359 1.628227259
[73] 1.734416855 1.734416855

и в predict() вычитается предиктор для средних выборки по которой шло обучение.

Сообщение отредактировал p2004r - 10.03.2012 - 11:18