home *** CD-ROM | disk | FTP | other *** search
/ Big Green CD 8 / BGCD_8_Dev.iso / NEXTSTEP / UNIX / Educational / R-0.49-MI / R-0.49-I / help / survival4 / coxph.rvar < prev    next >
Encoding:
Text File  |  1997-09-13  |  1.8 KB  |  53 lines
  1.     
  2.     _R_o_b_u_s_t _v_a_r_i_a_n_c_e _f_o_r _a _C_o_x _m_o_d_e_l _C_o_m_p_u_t_e_s _t_h_e _r_o_b_u_s_t
  3.     "_s_a_n_d_w_i_c_h" _e_s_t_i_m_a_t_o_r _o_f _v_a_r_i_a_n_c_e _f_o_r _a _p_r_o_p_o_r_t_i_o_n_a_l _h_a_z_a_r_d_s
  4.     _m_o_d_e_l, _a_n_d _r_e_t_u_r_n_s _a _c_o_p_y _o_f _t_h_e _f_i_r_s_t _a_r_g_u_m_e_n_t _w_i_t_h _t_h_e
  5.     _r_o_b_u_s_t _v_a_r_i_a_n_c_e _a_d_d_e_d _o_n.
  6.     
  7.          coxph.rvar(fit, collapse)
  8.     
  9.     _A_r_g_u_m_e_n_t_s:
  10.     
  11.               fit:
  12.          a coxph object, i.e., the result of fitting a Cox
  13.          model.
  14.     
  15.          collapse:
  16.          if the original data contained correlated observations,
  17.          e.g., multiple data rows per subject, then this argu-
  18.          ment contains the id vector that identifies the sub-
  19.          groups.
  20.     
  21.          Value:
  22.     
  23.          a copy of the input, with two components added
  24.     
  25.     _A_r_g_u_m_e_n_t_s:
  26.     
  27.        robust.var:
  28.          the robust variance estimate.
  29.     
  30.             rcall:
  31.          the call to this function.
  32.     
  33.          the print and summary methods for coxph recognize and
  34.          use the robust variance. The global likelihood ratio
  35.          and score statistics are uneffected, but the global
  36.          Wald test will now be based on the robust estimator.
  37.          Let r be the matrix of infinitesimal influence func-
  38.          tions, i.e., r <- residuals(fit, type='dbeta').  Then
  39.          the robust variance is v <- t(r) %*% r.  If there are
  40.          correlated observations, the appropriate rows or r are
  41.          first summed, and v is based on the reduced r matrix.
  42.          There is an obvious connection with the ordinary and
  43.          group jackknife estimates.
  44.     
  45.          coxph
  46.     
  47.     _E_x_a_m_p_l_e_s:
  48.     
  49.          fit <- coxph(Surv(futime, fustat) ~ age + rx +ecog.ps, data=fleming)
  50.          fit2 <- coxph.rvar(fit)
  51.          summary(fit2)
  52.     
  53.