Lo que quiero hacer es comparar dos modelos de regresión de Cox no anidados utilizando R. Sólo por ejemplo:
library(survival)
data(cancer)
fit1 <- coxph(Surv(time,status)~ age, data=cancer)
fit2 <- coxph(Surv(time,status)~ sex, data=cancer)He leído casi todas las preguntas relativas a la comparación de modelos no anidados en este sitio web. Sin embargo, cuando se trata de datos de supervivencia, las cosas cambian bastante. Aquí hay maneras de comparar modelos no anidados (algunos de ellos no funcionan en el modelo de regresión de Cox):
- AIC/BIC: cuanto menos mejor, pero no hay ninguna prueba para hacer la comparación.
- Prueba basada en LR: coxtest {lmtest}, jtest {lmtest}, vuong test {games}, Clarke test {games}. Estas pruebas se desarrollaron para tratar con modelos no anidados, pero no son aplicables a los modelos de regresión de Cox (supongo que porque el modelo de Cox utiliza la verosimilitud parcial). Comparación de modelos de Cox no anidados que está cerca de mi pregunta, pero tengo problemas para implicar este método en el código R. ¿Existe algún paquete que pueda utilizarse para realizar pruebas basadas en LR para modelos de Cox no anidados?
- Prueba global: fit3 <- coxph(Surv(tiempo,estado)~ edad+sexo, datos=cáncer) . Fit3 se puede utilizar para hacer anova(fit1,fit3,fit2). Pero en realidad, las variables no son la edad y el sexo, sino dos variables extremadamente relevantes que son la edad continua y la edad discreta. Así que fit3 es irracional.
- Índice C: puede utilizarse para comparar las predicciones de los modelos de Cox. Pero es menos sensible que la prueba basada en LR. Hasta ahora no he encontrado una prueba para comparar dos índices c.
Considero utilizar métodos bootstrap para comparar el AIC/BIC y el índice c. ¡Cualquier ayuda en esta pregunta es muy apreciada !
