a=read.csv("D:/回归分析/案例数据/第6章.csv",header=T)
names(a)=c("X1","X2","X3","Y","C")
a[c(1:5),]
library(survival)
summary(survfit(Surv(a$Y,a$C)~1))
plot(survfit(Surv(a$Y,a$C)~1))
plot(survfit(Surv(Y,C)~X1,data=a),col=c(1,2),lty=c(1,2))
plot(survfit(Surv(Y,C)~X2,data=a),col=c(1,2),lty=c(1,2))
plot(survfit(Surv(Y,C)~floor(X3/10)*10,data=a),col=c(1,2),lty=c(1,2))
status=1*(a$HGB>median(a$HGB)) #根据中位数将HGB分成两组,分别取值0或1
status #展示上一命令所得到的数据
plot(survfit(Surv(a$Y,a$C)~status),col=c(1,2), lty=c(1,2)) #根据status的取值画出两组生存函数,用不同的颜色和线型来区分
legend(40,1,c("HGB<Median","HGB>Median"),col=c(1,2),lty=c(1,2)) #对不同的生存函数加上标示
plot(survfit(Surv(a$Y,a$C)~a$Platelet),col=c(1,2),lty=c(1,2)) #根据Platelet的取值画出两组生存函数,用不同的颜色和线型来区分
legend(40,1,c("Abnormal","normal"),col=c(1,2),lty=c(1,2)) #对不同的生存函数加上标示
age.group=1*(a$Age>median(a$Age)) #根据中位数将Age分成两组,分别取值0或1
plot(survfit(Surv(a$Y,a$C)~age.group),col=c(1,2),lty=c(1,2)) #根据age.group的取值画出两组生存函数,用不同的颜色和线型来区分
legend(40,1,c("Age<60","Age>60"),col=c(1,2),lty=c(1,2)) #对不同的生存函数加上标示
par(mfrow=c(2,2)) #设置画图模式为2x2
status=1*(a$LogWBC>median(a$LogWBC)) #根据中位数将LogWBC分成两组,分别取值0或1
plot(survfit(Surv(a$Y,a$C)~status),col=c(1,2),lty=c(1,2)) #根据status的取值画出两组生存函数,用不同的颜色和线型来区分
legend(30,1,c("LogWBC<Median","LogWBC>Median"),col=c(1,2),lty=c(1,2)) #对不同的生存函数加上标示
status=1*(a$LogPBM>median(a$LogPBM)) #根据中位数将LogPBM分成两组,分别取值0或1
plot(survfit(Surv(a$Y,a$C)~status),col=c(1,2),lty=c(1,2)) #根据status的取值画出两组生存函数,用不同的颜色和线型来区分
legend(30,1,c("LogPBM<Median","LogPBM>Median"),col=c(1,2),lty=c(1,2)) #对不同的生存函数加上标示
status=1*(a$Protein>median(a$Protein)) #根据中位数将Protein分成两组,分别取值0或1
plot(survfit(Surv(a$Y,a$C)~status),col=c(1,2),lty=c(1,2)) #根据status的取值画出两组生存函数,用不同的颜色和线型来区分
legend(30,1,c("Protein<Median","Protein>Median"),col=c(1,2),lty=c(1,2)) #对不同的生存函数加上标示
status=1*(a$SCalc>median(a$SCalc)) #根据中位数将SCalc分成两组,分别取值0或1
plot(survfit(Surv(a$Y,a$C)~status),col=c(1,2),lty=c(1,2)) #根据status的取值画出两组生存函数,用不同的颜色和线型来区分
legend(30,1,c("SCalc<Median","SCalc>Median"),col=c(1,2),lty=c(1,2)) #对不同的生存函数加上标示
par(mfrow=c(1,1)) #设置画图模式,还原为为1x1
fit=survreg(Surv(Y,C)~HGB+Platelet+Age+LogWBC+LogPBM+Protein+SCalc,data=a) #拟合加速死亡模型,利用全部解释性变量
summary(fit) #显示模型fit的各方面细节,包括估计值、标准差等
fit=survreg(Surv(Y,C)~HGB+Platelet+Age+LogWBC+LogPBM+Protein+SCalc,
dist="exponential",data=a) #拟合加速死亡模型,设置残差项为指数分布
summary(fit) #显示模型fit的各方面细节,包括估计值、标准差等
fit.aic=step(fit,trace=F) #根据AIC准则选择最优模型
summary(fit.aic) #显示模型fit.aic的各方面细节,包括估计值、标准差等
ss=length(a[,1]) #计算样本大小
fit.bic=step(fit,trace=F,k=log(ss)) #根据BIC准则选择最优模型
summary(fit.bic) #显示模型fit.bic的各方面细节,包括估计值、标准差等
fit=coxph(Surv(Y,C)~HGB+Platelet+Age+LogWBC+LogPBM+Protein+SCalc,data=a) #拟合Cox等比例风险模型
summary(fit) #显示模型fit.bic的各方面细节,包括估计值、标准差等
ph.aic=step(fit,trace=F) #根据AIC准则选择最优模型
summary(ph.aic) #显示模型ph.aic的各方面细节,包括估计值、标准差等
ph.bic=step(fit,trace=F,k=log(ss)) #根据BIC准则选择最优模型
summary(ph.bic) #显示模型ph.bic的各方面细节,包括估计值、标准差等
没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
a=read.csv("D:/回归分析/案例数据/第1章.csv",header=T) names(a)=c("Y","X1","X2","X3") a[c(1:5),] N=sapply(a,length) MU=sapply(a,mean) SD=sapply(a,sd) MIN=sapply(a,min) MED=sapply(a,median) MAX=sapply(a,max) result=cbind(N,MU,SD,MIN,MED,MAX)
资源推荐
资源详情
资源评论
收起资源包目录
《商务数据分析与应用》演示程序.rar (13个子文件)
143460+P《商务数据分析与应用》演示程序
sas
第4章.sas 2KB
第6章.sas 703B
第3章.sas 1KB
第0章.sas 3KB
第2章.sas 1KB
第1章.sas 679B
第5章.sas 610B
R
第5章.r 418B
第3章.r 487B
第6章.r 4KB
第4章.r 642B
第1章.r 250B
第2章.r 1KB
共 13 条
- 1
资源评论
ZBEIYESI
- 粉丝: 3
- 资源: 8
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功