截尾分位数回归及其在生存分析中的应用*
2011-03-11王娟王彤
王 娟 王 彤
在传统的生存分析中,多因素分析常采用Cox比例风险回归模型和加速失效时间模型,Cox比例风险回归模型要求资料满足等比例风险假定和对数线性假定,加速失效时间模型要求资料分布已知。但医学研究中,某些资料不满足上述要求,特别当观察值中有离群点(outliers),所拟合的回归方程因“迁就”这个(些)离群点而使整体的拟合结果产生不同程度的偏离,以致影响了稳定性;再者,当总体存在异方差,即y的条件分布中方差不为常数时;或者研究兴趣在于分布在尾端区域数据的建模,亦不宜用Cox比例风险回归模型和加速失效时间模型。本文介绍一种适合于当生存资料不满足上述条件时的回归方法——截尾分位数回归。
原理与方法
所谓截尾分位数回归(censored regression quantiles,CRQ),就是根据估计(生存时间的对数形式)的分位数,其模型为:
QY|X(τ,x)=xβ(τ)
与加速失效时间模型不同的是,QY|X(τ,x)表示给定x的条件下,y的第τ分位数的估计值。其中τ的取值范围为0<τ<1,当τ=0.5时,截尾分位数回归就是中位数回归(median regression)。截尾分位数回归中,参数估计一般用加权最小一乘(weighted least absolute,WLA)准则,即使目标函数:


模拟分析
1.满足参数模型假定的模拟分析
如果生存时间服从指数分布,既能建立加速失效时间模型log(t)=+x+ε,又能建立比例风险回归模型 h(t,x)=h0(t)exp(x'β),且两个模型中回归参数的相互关系为= - β〔2〕。
模拟方法如下〔3〕:模拟的样本含量为200,截尾比例为20%、40%、60%。首先产生服从(0,1)均匀分布的随机数S,令生存函数S(t)=S,同时产生服从N(0,1)的随机数作为自变量 x。令 β=1,利用 t=产生相应的生存时间t。……
