Регрессия Кокса с зависящими от времени ковариатами Опции

[Daria]

Здравствуйте!
При выполнении анализа один из предикторов (категориальный, три уровня) связан со временем, что нарушает предположении о пропорциональности. Это я вполне ожидала. Диагностику проводила при помощи процедуры оценки остатков Шонфельда в Стата (phtest). Затем я в модели задала взаимодействие этого предиктора со временем (чисто эпмирически "ln(_t)"). В результате этот предиктор также статистически значимо влиял на исход. Однако, Стата не дает провести анализ остатков Шонфельда с таким взаимодействием (tvc): "this post-estimation command is not allowed after estimation with tvc();
see tvc note for an alternative to the tvc() option". В справке описан способ, как создать новую переменную, которая будет представлять собой такой взаимодействие. Однако остались вопросы.

Вопросы:
1. Как установить, как именно предиктор связан со временем (логарифмически, степенной функцией?)? Создать несколько моделей, потом сравнить их между собой?
2. Могу ли я потом, используя такую модель, построить кривую выживаемости при определенных значениях ковариат?

Очень рассчитываю на вашу помощь.

Сообщение отредактировал Daria - 28.07.2018 - 14:41

[Daria]

Доброе утро!
Спасибо большое за подробный ответ!

Сделала как Вы сказали - зависимость от времени пропала! Просто я в процессе экспериментов пробовала разные взаимодействия: р*(1/exp(_t)) или даже d*(1/ln(-0.1226*_t^2 + 0.6323*_t + 0.6958)). Указала только те, которые "сработали". Первое нашла также эмпирически, а второе - прикинула отношение рисков для разных значений признака на трех временных точках, построила график в экселе, получила тренд в виде квадратичной функции (r^2=1) и взяла обратную ей (уж не знаю, насколько я была права, сделала это уже от отчаяния). Все три подхода дали ожидаемый результат, а как выбрать из них оптимальный? По какому признаку?

Сообщение отредактировал Daria - 2.08.2018 - 22:51