文档帮助中心文档
COX比例危害模型系数的置信区间
CI = COEFCI(COXMDL)
CI = COEFCI(COXMDL,级别)
例子
CI= coefci(coxmdl)返回训练有素的COX比例风险模型的系数的95%置信区间。
CI= coefci(coxmdl)
CI
coxmdl
CI= coefci(coxmdl,,,,等级)返回100(1 -等级)系数的置信区间%。
CI= coefci(coxmdl,,,,等级)
等级
全部收缩
对COX进行比例危害回归灯泡数据集,其中包含灯泡的模拟寿命。灯泡数据的第一列包含两种不同类型的灯泡的寿命(小时)。第二列包含一个二进制变量,指示灯泡是荧光还是白炽灯。0表示灯泡是荧光的,1表示它是白炽的。第三列包含审查信息,其中0指示灯泡直到失败为止,1表示观察值已进行了审查。
灯泡
适合灯泡寿命的COX比例危害模型,以审查审查。预测变量是灯泡的类型。
加载灯泡coxmdl = fitcox(lightbulb(:,2),lightbulb(:,1),...“审查”,灯泡(:,3))
coxmdl = Cox比例危害回归模型:beta se zStat Pvalue ______ ______ ______ ______ __________ X1 4.7262 1.0372 4.5568 5.1936E-06
为返回找到95%的置信区间beta估计。
beta
CI =1×22.6934 6.7590
找到99%的置信区间beta估计。
CI99 = COEFCI(Coxmdl,0.01)
CI99 =1×22.0546 7.3978
找到预测指标的置信区间重新评估时间数据集。响应变量是重新启动时间,其中显示了100名患者的再入院时间。预测变量是年龄,,,,性别,,,,重量, 和吸烟者,每个患者的吸烟状况。1表示患者是吸烟者,而0表示患者不吸烟。列矢量审查包含每个患者的审查信息,其中1表示审查数据,0表示确切的再入院时间。(模拟了此数据。)
重新评估时间
重新启动时间
年龄
性别
重量
吸烟者
审查
加载数据。
加载重新评估时间
使用所有四个预测指标拟合模型。
x = [年龄性重量吸烟者];
使用审查信息拟合模型。
coxmdl = fitcox(x,重新启动时间,“审查”,审查);
查看点的估计值年龄,,,,性别,,,,重量, 和吸烟者系数。
coxmdl.coefficients.beta
ans =4×10.0184 -0.0676 0.0343 0.8172
为这些估计找到95%的置信区间。
CI =4×2-0.0139 0.0506 -1.6488 1.5136 0.0042 0.0644 0.2767 1.3576
这性别系数(第二行)具有较大的置信区间,前两个系数括号为0。因此,您不能拒绝假设是年龄和性别预测变量为零。
Coxmodel
拟合的COX比例危害模型,指定为Coxmodel目的。创造coxmdl使用Fitcox。
Fitcox
0.05
1
置信区间的显着性水平,指定为正数小于1。结果百分比为100(1 -等级)%。例如,对于99%的置信区间,请指定等级作为0.01。
0.01
例子:0.01
数据类型:双倍的
双倍的
置信区间,作为真正的两列矩阵返回。矩阵的每一行都是相应预测变量的置信区间。真正的预测系数在其置信区间中的概率为100(1 -等级)%。例如,默认值等级是0.05,所以没有等级指定,每个预测因子在其行中的概率CI是95%。
Coxmodel|最细的|Fitcox
最细的
您有此示例的修改版本。您想用您的编辑打开这个示例吗?
您单击了与此MATLAB命令相对应的链接:
通过在MATLAB命令窗口中输入该命令。Web浏览器不支持MATLAB命令。万博1manbetx
选择一个网站以获取可用的翻译内容,并查看本地事件和优惠。根据您的位置,我们建议您选择:。
您还可以从以下列表中选择一个网站:
选择中国网站(中文或英语)以获得最佳场地性能。其他Mathworks乡村网站未针对您所在的访问进行优化。
联系您当地的办公室