-তে একটি কক্স্ফ মডেলের সংক্ষিপ্তসারে দেওয়া "

Question

-তে একটি কক্স্ফ মডেলের সংক্ষিপ্তসারে দেওয়া আর 2 মানটি কী ? উদাহরণ স্বরূপ,$R^2$

Rsquare= 0.186   (max possible= 0.991 )

আমি মূর্খতার সাথে এটিকে একটি মান হিসাবে একটি পাণ্ডুলিপি অন্তর্ভুক্ত করেছি এবং পর্যালোচক এটিতে লাফ দিয়েছিলেন যে তিনি কক্স মডেলের জন্য নির্মিত ক্লাসিক লিনিয়ার রিগ্রেশন থেকে আর 2 পরিসংখ্যানের এনালগ সম্পর্কে অবগত নন এবং যদি সেখানে থাকে তবে দয়া করে একটি সরবরাহ করুন রেফারেন্স। যেকোনো সাহায্যই অসাধারণ!$R^2$$R^2$

Comments

বেশিরভাগ পরিস্থিতিতে যেখানে এর ধারণাটি ক্লাসিকাল লিনিয়ার রিগ্রেশন ছাড়িয়ে প্রসারিত, সেখানে পর্যবেক্ষণ করা মান এবং মডেলের অধীনে পূর্বাভাস দেওয়া মধ্যে পারস্পরিক সম্পর্ক রয়েছে। এটি কি সম্ভবত এখানে প্রযোজ্য? $R^2$

— ম্যাক্রো

না এটি এর সাথে সম্পর্কিত নয়।

— ফ্রাঙ্ক হ্যারেল

Answer 1

ব্যবহার করে getS3method("summary","coxph")আপনি এটি গণনা করা হয় তা দেখতে পারেন।

সম্পর্কিত কোড লাইনগুলি নিম্নলিখিত:

logtest <- -2 * (cox$loglik[1] - cox$loglik[2])
rval$rsq <- c(rsq = 1 - exp(-logtest/cox$n), maxrsq = 1 - 
        exp(2 * cox$loglik[1]/cox$n))

এখানে cox$loglik"2 মান দৈর্ঘ্যের একটি ভেক্টর প্রাথমিক মানগুলি এবং সহগের চূড়ান্ত মানগুলির সাথে লগ-সম্ভাবনা সম্বলিত" (দেখুন ?coxph.object) এবং cox$n"ফিটটিতে ব্যবহৃত পর্যবেক্ষণের সংখ্যা" রয়েছে।

Comments

যদি আমি ভুল না হয়ে থাকি তবে এটি কক্স অ্যান্ড স্নেল সিউডো আর-স্কোয়ার। বিভিন্ন সিউডো আর- স্কোয়ার্ডের ব্যাখ্যা এবং তুলনা করার জন্য, ats.ucla.edu/stat/mult_pkg/faq/general/psuedo_rsquareds.htm দেখুন ।

— onestop

Answer 2

$n$coxph

Comments

ভুল, আপনি পর্যবেক্ষণের সংখ্যা দ্বারা ভাগ করে নিন, যতই অদ্ভুত লাগে না। মূল প্রশ্নের কাছে, এটি আশ্চর্যের বিষয় যে কোনও পর্যালোচক কক্স মডেলটির জন্য প্রায় 20 বছর যাবত এমন কিছু সম্পর্কে সচেতন ছিলেন না।

— ফ্রাঙ্ক হ্যারেল

রঙ্গহুই জু এবং @ ফ্র্যাঙ্ক হ্যারেলের মধ্যে বিনিময় যুক্ত করা, এটি পর্যবেক্ষণের সংখ্যা দ্বারা বিভাজন করে কেবল strange strange আশ্চর্যজনক '' করে না, এটি কার্যকর হয় না। এটি দেখতে, বিটাটিকে কিছু মূল্যের জন্য স্থির করে নিন যাতে মোটামুটি, E (R2) = 0.5, এবং একই সমবায়ু বিতরণ, অর্থাৎ সবকিছু সমান, স্টাডি 1 এর চেয়ে স্ট্যান্ড 2 হিসাবে সেন্সর করার হারের দ্বিগুণ হার রয়েছে যদিও আমাদের একই জনসংখ্যার পরিমাণ অনুমান করা উচিত, তবে অধ্যয়ন 1 এর আর 2 এর অনুমান অধ্যয়ন 2 এর প্রায় অর্ধেক হবে, নমুনার আকার নির্বিশেষে। 0.5 এর পরিবর্তে আমরা প্রায় 0.25 পেয়ে যাব।

$R^2$

ফ্র্যাঙ্কের এই মন্তব্যের উত্তরে আমি একমত হব যে এটি সোজা নয় এবং শূন্য লগ-সম্ভাবনা সম্পর্কিত ফ্র্যাঙ্কের পর্যবেক্ষণ সঠিক। আমি এই পরিমাণটি কেবলমাত্র তথ্যের লাভের ভিত্তিতে একটি সুসংজ্ঞায়িত জনসংখ্যার পরিমাণের একটি সামঞ্জস্যপূর্ণ অনুমানের একটি অনুমান হিসাবে হিসাবে দেখেছি viewed রংহুই জু'র উল্লেখ করা কাগজ সিমুলেশনগুলি সম্পাদন করে। এগুলি সেন্সরিংয়ের প্রভাবটি প্রদর্শন করে না, যদিও অনুপস্থিত না হলেও, যদি আমরা মোট পর্যবেক্ষণের সংখ্যাটির চেয়ে ব্যর্থতার সংখ্যার দ্বারা ভাগ করি তখন অনেক দুর্বল হয়ে পড়ে।

$R^2$