R coxph 关于指标分类变量

Posted 2023-02-19

【中文标题】R coxph 关于指标分类变量

【英文标题】：R coxph on indicator categorical variables

【发布时间】：2021-07-17 05:42:10

【问题描述】：

我正在尝试使用分类变量来计算风险比，但是将其中任何一个定义为参考因子是没有意义的。我想要的比较是每组单独与其他样本进行比较（即标记为 A 的样本与未标记为 A 的所有样本；标记为 B 的样本与未标记为 B 的所有样本）。默认情况下，coxph 会将每个组与参考组进行比较（即标记为 B 的样本与标记为 A 的样本；标记为 C 的样本与标记为 A 的样本）。但是，如果我尝试将它们编码为虚拟变量以以这种方式强制它，最后一个总是给出 NA 结果。有没有办法做我正在尝试的事情，或者有没有办法解决我目前的做法？

例子：

coxph(formula = Surv(Time, Status) ~ class_A + class_B + 
    class_C + class_D, data = data)
                    coef exp(coef) se(coef)      z        p
class_A         -2.1185    0.1202   0.4093 -5.175 2.27e-07
class_B        -1.9059    0.1487   0.6825 -2.792  0.00523
class_C       -1.1212    0.3259   0.4179 -2.683  0.00729
class_D             NA        NA   0.0000     NA       NA

【问题讨论】：

您能否提供一个可重现的数据示例，以便我们了解您是如何获得结果的？您可以使用dput(data) 并在此处发布，因此我们也有数据

【参考方案1】：

如果我理解得很好，您的变量只有四个类别。然后你应该只传递三个虚拟变量，因为它们中的四个总和为 1，并与常数（基线）项产生共线性（因此你在输出中得到 NA）。得到的系数是对具有省略类的模型的附加效应。

使用三个虚拟变量是 R 在将因子作为单个变量传递时默认执行的操作。如果你想改变这种行为，你需要改变 R 选项中的“对比”类型（例如https://www.dummies.com/programming/r/how-to-set-the-contrasts-for-your-data-with-r/）或转换获得的系数。