Я делаю пропорциональную регрессию рисков Кокса в R, используя coxph
множество переменных. Остатки Мартингейла выглядят великолепно, а остатки Шенфельда отлично подходят для ПОЧТИ всех переменных. Есть три переменные, чьи остатки Шенфельда не плоские, и природа переменных такова, что имеет смысл, что они могут изменяться со временем.
Это переменные, которые меня не особо интересуют, поэтому было бы неплохо сделать их стратами. Однако все они являются непрерывными переменными, а не категориальными переменными. Поэтому я считаю, что страты не являются жизнеспособным маршрутом *. Я попытался построить взаимодействие между переменными и временем, как описано здесь , но мы получаем ошибку:
In fitter(X, Y, strats, offset, init, control, weights = weights, :
Ran out of iterations and did not converge
Я работаю с почти 1000 точками данных и работаю с полдюжиной переменных со многими факторами в каждой, поэтому создается впечатление, что мы раздвигаем границы того, как эти данные можно разрезать и нарезать кубиками. К сожалению, все более простые модели, которые я пробовал с меньшим количеством включенных переменных, явно хуже (например, остатки Шенфельда более грубые для большего количества переменных).
Какие у меня варианты? Поскольку меня не волнуют эти конкретные переменные с плохим поведением, я бы хотел просто проигнорировать их вывод, но я подозреваю, что это неверная интерпретация!
* Один - непрерывный, один - целое число с диапазоном более 100, а другой - целое число с диапазоном 6. Возможно, биннинг?