Residuos de Cox-Snell $r_{Ci}$ se utilizan para evaluar la bondad de ajuste de un modelo. Al trazar el residuo de Cox-Snell frente a la función de riesgo acumulativo, se puede evaluar el ajuste de un modelo. Un modelo bien ajustado mostrará una línea lineal a través del origen con un gradiente unitario. Hay que tener en cuenta que se necesitará un modelo especialmente mal ajustado para que los residuos de Cox-Snell se desvíen significativamente de esto. Tampoco es raro que se produzcan ligeros saltos en los extremos del gráfico. Una de las críticas a los residuos de Cox-Snell es que no tienen en cuenta las observaciones censuradas, por lo que Crowley y Hu (1977) idearon los residuos de Cox-Snell ajustados, por lo que el residuo de Cox-Snell estándar, $r_{Ci}$ podría utilizarse para las observaciones no censuradas y $r_{Ci} + \Delta$ por lo que $\Delta = \log (2) = 0.693$ se utiliza para ajustar el residuo.
Residuos de martingala $r_{Mi}$ puede definirse como $r_{Mi} = \delta_i - r_{Ci}$ donde $\delta_i$ es un interruptor que toma el valor 0 si la observación $i$ está censurada y 1 si la observación $i$ es sin censura. Los residuos de Martingale toman un valor entre $[1, - \infty]$ para las observaciones no censuradas y $[0,- \infty]$ para las observaciones censuradas. Los residuos de Martingale pueden utilizarse para evaluar la verdadera forma funcional de una covariable concreta (Thernau et al. (1990)). A menudo es útil superponer una curva LOESS sobre este gráfico, ya que pueden ser ruidosos en los gráficos con muchas observaciones. Los residuos de Martingale también se pueden utilizar para evaluar los valores atípicos en el conjunto de datos por los que la función de supervivencia predice un evento demasiado temprano o demasiado tarde, sin embargo, a menudo es mejor utilizar el residuo de desviación para esto.
Un residuo de desviación, $r_{Di} = sgn(r_{Mi})\sqrt{-2 r_{Mi} + \delta_i \log{(\delta_i-r_{Mi})}}$ donde el $sgn$ toma un valor de 1 para los residuos de martingala positivos y de -1 para los residuos de martingala negativos. Un residuo de alto valor absoluto es indicativo de un valor atípico. Un residuo de desviación de valor positivo indica una observación en la que el evento se produjo antes de lo previsto; lo contrario ocurre con los residuos de valor negativo. A diferencia de los residuos de Martingale, los residuos de desviación están centrados en la media alrededor de 0, lo que hace que sean mucho más fáciles de interpretar que los residuos de Martingale cuando se buscan valores atípicos. Una de las aplicaciones de los residuos de desviación es hacer un jackknife del conjunto de datos con un solo parámetro modelado y comprobar si hay una diferencia significativa en los coeficientes de los parámetros a medida que se elimina cada observación. Un cambio significativo indicaría una observación muy influyente.
Los residuos de Schoenfeld son ligeramente diferentes, ya que cada residuo corresponde a una variable, no a una observación. El uso de los residuos de Schoenfeld es para probar el supuesto de riesgos proporcionales. Grambsch y Thernau (1994) propusieron que los residuos de Schoenfeld escalados pueden ser más útiles. Al trazar el tiempo del evento contra el residuo de Schoenfeld para cada variable, la adherencia de las variables al supuesto de PH puede ser evaluada ajustando una curva LOESS al gráfico. Una línea recta que pasa por un valor residual de 0 con gradiente 0 indica que la variable satisface la suposición de PH y, por tanto, no depende del tiempo. Los residuos de Schoenfeld también pueden evaluarse mediante una prueba de hipótesis.
