web-dev-qa-db-ja.com

coxph（）X行列は特異であると見なされます。

Coxph（）の使用に問題があります。 「tecnologia」と「pais」の2つのカテゴリ変数があり、「tecnologia」に対する「pais」の可能な交互作用効果を評価したいと思います。「tecnologia」は、gpsとconvencionalの2つのレベルの変数因子です。そして、PTとESの2つのレベルとしての「ペイ」。この警告が表示され続ける理由がわかりません。コードと出力は次のとおりです。

cox_AC<-coxph(Surv(dados_temp$dias_seg,dados_temp$status)~tecnologia*pais,data=dados_temp)
Warning message:
In coxph(Surv(dados_temp$dias_seg, dados_temp$status) ~ tecnologia *  :
  X matrix deemed to be singular; variable 3

> cox_AC
Call:
coxph(formula = Surv(dados_temp$dias_seg, dados_temp$status) ~ 
    tecnologia * pais, data = dados_temp)


                       coef exp(coef) se(coef)     z     p
tecnologiagps        -0.152     0.859    0.400 -0.38 7e-01
paisPT                1.469     4.345    0.406  3.62 3e-04
tecnologiagps:paisPT     NA        NA    0.000    NA    NA

Likelihood ratio test=23.8  on 2 df, p=6.82e-06  n= 127, number of events= 64

数ヶ月前に同様の質問をしましたが、他のデータで同じ問題に再び直面しているため、この主題について別の質問を開いています。そして今回は、データ関連の問題ではないと確信しています。

誰かが私を助けることができますか？ありがとうございました

PDATE：問題は完全な分類ではないようです

> xtabs(~status+tecnologia,data=dados)  

      tecnologia
status conv doppler gps  
     0   39       6  24  
     1   30       3  34 

> xtabs(~status+pais,data=dados)  

      pais  
status ES PT  
     0 71  8  
     1 49 28  
 > xtabs(~tecnologia+pais,data=dados)

          pais  
tecnologia ES PT
   conv    69  0
   doppler  1  8
   gps     30 28
rsurvival-analysiscox-regression
14
JMarcelino

これがあなたの問題を再現しているように見える簡単な例です：

_> library(survival)
> (df1 <- data.frame(t1=seq(1:6),
                    s1=rep(c(0, 1), 3),
                    te1=c(rep(0, 3), rep(1, 3)),
                    pa1=c(0,0,1,0,0,0)
                    ))
   t1 s1 te1 pa1
 1  1  0   0   0
 2  2  1   0   0
 3  3  0   0   1
 4  4  1   1   0
 5  5  0   1   0
 6  6  1   1   0

> (coxph(Surv(t1, s1) ~ te1*pa1, data=df1))
Call:
coxph(formula = Surv(t1, s1) ~ te1 * pa1, data = df1)


        coef exp(coef) se(coef)         z  p
te1      -23  9.84e-11    58208 -0.000396  1
pa1      -23  9.84e-11   100819 -0.000229  1
te1:pa1   NA        NA        0        NA NA
_

次に、次のような「完全な分類」を探しましょう。

_> (xtabs( ~ s1+te1, data=df1))
   te1
s1  0 1
  0 2 1
  1 1 2
> (xtabs( ~ s1+pa1, data=df1))
   pa1
s1  0 1
  0 2 1
  1 3 0
_

_1_の値_pa1_ 正確には、ステータス_s1_が_0_に等しいことを予測することに注意してください。つまり、データに基づいて、_pa1==1_がわかっている場合は、_s1==0_よりも確実です。したがって、Coxのモデルの適合はこの設定では適切ではなく、数値エラーが発生します。これはで見ることができます

_> coxph(Surv(t1, s1) ~ pa1, data=df1)
_

与える

_Warning message:
In fitter(X, Y, strats, offset, init, control, weights = weights,  :
  Loglik converged before variable  1 ; beta may be infinite. 
_

モデルをフィッティングする前に、これらのクロステーブルを確認することが重要です。また、相互作用を伴うモデルを検討する前に、より単純なモデルから始める価値があります。

次のように手動で_df1_に交互作用項を追加すると：

_> (df1 <- within(df1,
+               te1pa1 <- te1*pa1))
  t1 s1 te1 pa1 te1pa1
1  1  0   0   0      0
2  2  1   0   0      0
3  3  0   0   1      0
4  4  1   1   0      0
5  5  0   1   0      0
6  6  1   1   0      0
_

次に、それを確認してください

_> (xtabs( ~ s1+te1pa1, data=df1))
   te1pa1
s1  0
  0 3
  1 3
_

これは役に立たない分類子であることがわかります。つまり、ステータス_s1_の予測には役立ちません。

3つの項すべてを組み合わせると、_te1_は上記のように完全な予測子ですが、フィッターは_pe1_と_pe1_の数値を生成することができます。ただし、係数の値とその誤差を見ると、信じられないことがわかります。

編集 @JMarcelino：例の最初のcoxphモデルからの警告メッセージを見ると、警告メッセージが表示されます。

_2: In coxph(Surv(t1, s1) ~ te1 * pa1, data = df1) :
  X matrix deemed to be singular; variable 3
_

これはおそらくあなたが得ているのと同じエラーであり、この分類の問題が原因です。また、3番目のクロステーブルxtabs(~ tecnologia+pais, data=dados)は、_interaction term_によるstatusのテーブルほど重要ではありません。上記の例のように、最初に交互作用項を手動で追加してから、クロステーブルを確認できます。またはあなたは言うことができます：

_> with(df1,
       table(s1, pa1te1=pa1*te1))
   pa1te1
s1  0
  0 3
  1 3
_

そうは言っても、3番目のテーブルのセルの1つにゼロ（conv、PT）があることに気付きました。これは、この予測子の組み合わせでは観測値がないことを意味します。これは、フィットしようとすると問題が発生します。

一般に、結果はすべてのレベルの予測子に対してsome値を持つ必要があり、予測子は結果を正確にすべてまたはなしまたは50/5。

編集2 @ user75782131はい、一般的に言えば、xtabsまたは同様のクロステーブルは、結果と予測子が離散的であるモデルで実行する必要があります。レベルの。 「完全な分類」が存在する場合、予測モデル/回帰は適切でない可能性があります。これは、たとえばロジスティック回帰（結果はバイナリ）やCoxのモデルに当てはまります。

13
dardisco