R coxph() 경고 : 변수 앞에 Loglik이 수렴

coxph()를 사용하는 데 문제가 있습니다. 나는 두 가지 범주 변수가 있습니다 : 섹스와 예상 원인, 예측 변수로 사용하고 싶습니다. 섹스는 전형적인 남성/여성이지만 예상 원인에는 5 가지 옵션이 있습니다. 경고 메시지의 문제점을 알 수 없습니다. cofidence 간격이 0에서 Inf까지이고 p 값이 너무 높은 이유는 무엇입니까?R coxph() 경고 : 변수 앞에 Loglik이 수렴

> my_coxph <- coxph(Surv(tempo,status) ~ factor(Sexo)+ factor(Causa.provavel) ,   data=ceabn) 
Warning message: 
In fitter(X, Y, strats, offset, init, control, weights = weights, : 
Loglik converged before variable 2,3,5,6 ; beta may be infinite. 

> summary(my_coxph) 
Call: 
coxph(formula = Surv(tempo, status) ~ factor(Sexo) + factor(Causa.provavel), 
data = ceabn) 

n= 43, number of events= 31 

              coef exp(coef) se(coef)  z Pr(>|z|) 
factor(Sexo)macho      7.254e-01 2.066e+00 4.873e-01 1.488 0.137 
factor(Causa.provavel)caca    2.186e+01 3.107e+09 9.698e+03 0.002 0.998 
factor(Causa.provavel)colisao linha MT 1.973e+01 3.703e+08 9.698e+03 0.002 0.998 
factor(Causa.provavel)indeterminado 9.407e-01 2.562e+00 1.683e+04 0.000 1.000 
factor(Causa.provavel)predacao   2.170e+01 2.655e+09 9.698e+03 0.002 0.998 
factor(Causa.provavel)predado   2.276e+01 7.659e+09 9.698e+03 0.002 0.998 

             exp(coef) exp(-coef) lower .95 upper .95 
factor(Sexo)macho      2.065e+00 4.841e-01 0.7947  5.368 
factor(Causa.provavel)caca    3.107e+09 3.219e-10 0.0000  Inf 
factor(Causa.provavel)colisao linha MT 3.703e+08 2.701e-09 0.0000  Inf 
factor(Causa.provavel)indeterminado 2.562e+00 3.904e-01 0.0000  Inf 
factor(Causa.provavel)predacao   2.655e+09 3.766e-10 0.0000  Inf 
factor(Causa.provavel)predado   7.659e+09 1.306e-10 0.0000  Inf 

Concordance= 0.752 (se = 0.059) 
Rsquare= 0.608 (max possible= 0.987) 
Likelihood ratio test= 40.23 on 6 df, p=4.105e-07 
Wald test   = 7.46 on 6 df, p=0.2807 
Score (logrank) test = 30.48 on 6 df, p=3.183e-05

내가 물었을 때

출처

2013-10-14 JMarcelino

테리 Therneau (PKG의 저자 : 생존) 감사 : 그 몇 년 전에 약 그가 말했다 시험 트리거되고

다음은 코드와 출력의 그 경고는 지나치게 민감합니다. 일반적으로 경고가 올바르지 않습니다. 보통 계수를보고 무한하지 않음을 확인하십시오.

그러나 귀하의 경우, 귀하의 데이터에 문제가있을 수 있음을 귀하에게 경고하는 것처럼 보일 수 있습니다. 지수 모델에서 2.276e + 01 (= 22.7)의 베타 계수는 엄청나게 높습니다. 추정되는 상대 위험은 백만보다 훨씬 큽니다! 완전한 분리 문제에 대해서는 데이터의 표 분류를 조사해야합니다. 당신의 통제 그룹이 죽었나요?

출처

2013-10-14 22:15:37

43 세에 31 건의 이벤트가 있습니다.하지만 네가 맞다고 생각해, 나는 데이터를 엉망으로 만들었다. – JMarcelino

R coxph() 경고 : 변수 앞에 Loglik이 수렴

답변

관련 문제