Остатки Шенфельда

В модели пропорциональных рисков Кокса со многими переменными, если остатки Шенфельда не являются плоскими для одной из переменных, делает ли это недействительной всю модель или можно игнорировать только неэффективную переменную? То есть интерпретировать коэффициенты для других переменных, но не интерпретировать результирующие коэффициенты для неэффективной переменной.

Есть несколько стандартных способов работы с моделью, где остатки Шенфельда не плоские. Предположим на данный момент, что мы не можем их сделать.

Оценка пропорциональных рисков (PH) должна основываться на результатах формального статистического теста и графике остатков Шенфельда (SR) вместе.

Если график SR для данной переменной показывает отклонение от прямой линии, в то время как он остается плоским для остальных переменных, то это то, что вы не должны игнорировать. Первое, что вы можете сделать, это посмотреть на результаты глобального теста. Глобальный тест может указывать, что общее предположение PH верно [или нет]. Если с глобальным тестом все в порядке, то переключая эталонную категорию переменной, для которой предположение не подтвердилось, вы можете достичь PH. Опасности могут быть пропорциональны по сравнению с одной контрольной категорией, но не с другой. Следовательно, переключая ссылочные категории, вы сможете найти категорию, которая приведет к тому, что предположение PH будет верным.

Если переключение не решает вашу проблему, и если у вас есть правильные переменные в вашей модели, то это указывает на то, что опасности не пропорциональны для этой конкретной переменной, то есть разные опасности в разные моменты времени. Следовательно, вы можете захотеть ввести взаимодействие между переменной и временем в вашей модели.