R中的軌道回歸模型中的交互作用項和隨機效應

Question

誰能告訴我是否可以合並：
a）互動條件
b）R中Tobit回歸模型的隨機效應？

對於交互作用術語，我一直在研究以下腳本，但這不起作用。

fit <- vglm(GAG_p_DNA~factor(condition)+factor(time)+factor(condition):factor(time), 
      tobit(Lower = 0))
Error in if ((temp <- sum(wz[, 1:M, drop = FALSE] < wzepsilon))) warning(paste(temp,  : 
argument is not interpretable as logical

我還嘗試了通過以下方式創建的虛擬變量：

time.ch<- C(time, helmert,2)
print(attributes(time.ch))
condition.ch<-C(condition, helmert, 3)
print(attributes(condition.ch))

但我得到同樣的錯誤。

數據集的一部分（GAG_p_DNA值為零，將被保留）（警告：那些可能要復制它的人。OP使用制表符作為分隔符。）

Donor Time Condition GAG_p_DNA cens_GAG_p_DNA
1   1   6   0.97    1
1   1   10  0.93    1
1   7   2   16.65   1
1   7   6   0.94    1
1   7   10  1.86    1
1   28  2   21.66   1
1   28  6   0.07    1
1   28  10  3.48    1
2   1   1   1.16    1
2   1   2   2.25    1
2   1   6   2.41    1
2   1   10  1.88    1
2   7   2   13.19   1
2   7   10  2.54    1
2   28  2   23.93   1
2   28  6   0   0
2   28  10  15.17   1

我很可能需要使用Tobit回歸模型，因為R似乎不支持帶有左刪失數據的Cox模型。

fit<- survfit(Surv(GAG_p_DNA, cens_GAG_p_DNA, type="left")~factor(condition)+factor(Time))] [Error in coxph(Surv(GAG_p_DNA, cens_GAG_p_DNA, type = "left") ~ factor(condition) + : Cox model doesn't support "left" survival data

Answer 1

嘗試這個：

survreg(Surv( GAG_p_DNA, cens_GAG_p_DNA, type='left') ~ 
                factor(Time)*factor(Condition), data=sdat, dist='gaussian')

（由Therneau推薦： http ://markmail.org/search/?q=list%3Aorg.r-project.r-help+therneau+left+censor+tobit#query:list%3Aorg.r-project.r- help％20therneau％20left％20censor％20tobit + page：1 + mid：fnczjvrnjlx5jsp5 + state：results ）

---較早的努力；

有了這個很小的數據集（在這里我已經糾正了使用制表符作為分隔符的情況），您將不會有太多收獲。 我更正了兩個錯誤（拼寫為“ Condition”，並使用0進行左審查，它應為2 ，並且運行時沒有錯誤：

sdat$cens_GAG_p_DNA[sdat$cens_GAG_p_DNA==0] <- 2

fit <- survfit(Surv(GAG_p_DNA, cens_GAG_p_DNA, type="left") ~ 
                          factor(Condition) + factor(Time), data=sdat)
Warning messages:
1: In min(jtimes) : no non-missing arguments to min; returning Inf
2: In min(jtimes) : no non-missing arguments to min; returning Inf
3: In min(jtimes) : no non-missing arguments to min; returning Inf
4: In min(jtimes) : no non-missing arguments to min; returning Inf
5: In min(jtimes) : no non-missing arguments to min; returning Inf
6: In min(jtimes) : no non-missing arguments to min; returning Inf
7: In min(jtimes) : no non-missing arguments to min; returning Inf
8: In min(jtimes) : no non-missing arguments to min; returning Inf
9: In min(jtimes) : no non-missing arguments to min; returning Inf
> fit
Call: survfit(formula = Surv(GAG_p_DNA, cens_GAG_p_DNA, type = "left") ~ 
    factor(Condition) + factor(Time), data = sdat)

                                      records n.max n.start events median
factor(Condition)=1, factor(Time)=1         1     2       2      0   1.16
factor(Condition)=2, factor(Time)=1         1     2       2      0   2.25
factor(Condition)=2, factor(Time)=7         2     3       3      0  14.92
factor(Condition)=2, factor(Time)=28        2     3       3      0  22.80
factor(Condition)=6, factor(Time)=1         2     3       3      0   1.69
factor(Condition)=6, factor(Time)=7         1     2       2      0   0.94
factor(Condition)=6, factor(Time)=28        2     2       2      2   0.00
factor(Condition)=10, factor(Time)=1        2     3       3      0   1.41
factor(Condition)=10, factor(Time)=7        2     3       3      0   2.20
factor(Condition)=10, factor(Time)=28       2     3       3      0   9.32
                                      0.95LCL 0.95UCL
factor(Condition)=1, factor(Time)=1        NA      NA
factor(Condition)=2, factor(Time)=1        NA      NA
factor(Condition)=2, factor(Time)=7     13.19      NA
factor(Condition)=2, factor(Time)=28    21.66      NA
factor(Condition)=6, factor(Time)=1      0.97      NA
factor(Condition)=6, factor(Time)=7        NA      NA
factor(Condition)=6, factor(Time)=28     0.00      NA
factor(Condition)=10, factor(Time)=1     0.93      NA
factor(Condition)=10, factor(Time)=7     1.86      NA
factor(Condition)=10, factor(Time)=28    3.48      NA

我也將稱為錯誤的另一方面是不使用data參數來回歸函數。 試圖將“附加”數據幀與任何回歸函數一起使用，尤其是與“生存”包一起使用時，通常會導致奇怪的錯誤。

我確實發現通過hte公式方法進行交互會產生此錯誤：

Error in survfit.formula(Surv(GAG_p_DNA, cens_GAG_p_DNA, type = "left") ~  : 
  Interaction terms are not valid for this function

而且我還發現，我推測可能會給您帶來混合效果的coxme :: coxme無法處理左審查。

fit <- coxme(Surv(GAG_p_DNA, cens_GAG_p_DNA, type="left")~factor(Condition)*factor(Time), data=sdat)
Error in coxme(Surv(GAG_p_DNA, cens_GAG_p_DNA, type = "left") ~ factor(Condition) *  : 
  Cox model doesn't support 'left' survival data