coefci

执行一个Cox比例风险回归的灯泡数据集,其中包含模拟灯泡的寿命。灯泡的第一列数据包含的寿命(小时)两种不同类型的灯泡。第二列包含一个二进制变量指示是否荧光灯或白炽灯泡;0表示荧光灯泡,白炽灯和1表示。第三列包含审查信息,0表示观察灯泡,直到失败,和1表明观察被审查。

适合Cox比例风险模型的生命周期灯泡,占审查。预测变量是灯泡的类型。

负载灯泡coxMdl = fitcox(灯泡(:,2),灯泡(:1),…“审查”灯泡(:3))

coxMdl = Cox比例风险回归模型βSE zStat看上去pValue长得一样__________ X1 4.7262 1.0372 4.5568 5.1936 e-06对数似:-212.638

找到一个返回的95%置信区间β估计。

ci = coefci (coxMdl)

ci =1×22.6934 - 6.7590

找到的99%置信区间β估计。

ci99 = coefci (coxMdl, 0.01)

ci99 =1×22.0546 - 7.3978

寻找预测的置信区间readmissiontimes数据集。响应变量ReadmissionTime100名患者,其中展示了重新接纳时间。预测变量年龄,性,重量,吸烟者,每个病人的吸烟状况。1表示病人是一个吸烟者,0表示病人不抽烟。列向量审查包含审查信息对于每一个病人,1表示审查数据,0表示完全重新接纳时间观察。(这个数据模拟)。

加载数据。

负载readmissiontimes

使用所有四个预测拟合模型。

X =(年龄性体重吸烟者);

符合模型用审查资料。

ReadmissionTime coxMdl = fitcox (X,“审查”、审查);

视图的点估计年龄,性,重量,吸烟者系数。

coxMdl.Coefficients.Beta

ans =4×10.0184 -0.0676 0.0343 0.8172

找到这些估计的95%置信区间。

ci = coefci (coxMdl)

ci =4×2-0.0139 0.0506 -1.6488 1.5136 0.0042 0.0644 0.2767 1.3576

的性系数(第二行)有一个很大的置信区间,和前两个系数等级值0。因此,你不能拒绝的假设年龄和性预测因子为零。