通過 COX 回歸模型診斷異常值

一、COX 回歸模型概述

COX 回歸模型，又稱比例風(fēng)險回歸模型，是一種用于生存分析的統(tǒng)計方法。它能夠在考慮多個協(xié)變量的情況下，評估這些協(xié)變量對個體生存時間的影響。該模型的一大特點是可以處理含有刪失數(shù)據(jù)的生存資料，這使得它在醫(yī)學(xué)隨訪研究等領(lǐng)域得到了廣泛應(yīng)用。

在 COX 回歸模型中，風(fēng)險函數(shù) λ(t,X) 可以表示為 λ0 (t) exp (Xβ)，其中 λ0 (t) 是基準(zhǔn)風(fēng)險函數(shù)，X 是協(xié)變量向量，β 是回歸系數(shù)向量。通過對回歸系數(shù)的估計，可以了解各個協(xié)變量對生存時間的影響方向和程度。

二、異常值的影響

在 COX 回歸分析中，異常值的存在可能會給模型帶來諸多問題。它們可能會扭曲協(xié)變量與生存時間之間的關(guān)系，使得模型參數(shù)的估計值偏離真實值，進(jìn)而影響對各協(xié)變量作用的判斷。同時，異常值還可能降低模型的擬合優(yōu)度，導(dǎo)致模型對新數(shù)據(jù)的預(yù)測能力下降。

例如，在一項關(guān)于癌癥患者生存時間的研究中，若存在一個異常的生存時間數(shù)據(jù)點，可能會使某個協(xié)變量（如治療方法）的回歸系數(shù)估計出現(xiàn)偏差，從而錯誤地判斷該治療方法對患者生存時間的影響。

三、通過 COX 回歸模型診斷異常值的方法

（一）杠桿值

杠桿值是用于衡量單個觀測值對 COX 回歸模型中回歸系數(shù)估計影響程度的指標(biāo)。其取值范圍在 0 到 1 之間，值越大，說明該觀測值對模型的影響越大，越有可能是異常值。一般來說，當(dāng)杠桿值大于 2p/n（其中 p 為協(xié)變量的數(shù)量，n 為樣本量）時，該觀測值可能需要進(jìn)一步檢查。

（二）Cook 距離

Cook 距離是另一個用于診斷異常值的重要指標(biāo)，它綜合考慮了觀測值的杠桿值和殘差。Cook 距離越大，表明該觀測值對模型參數(shù)估計的影響越大。通常，當(dāng) Cook 距離大于 4/n 時，可認(rèn)為該觀測值是強影響點，可能為異常值。

（三）偏差殘差

偏差殘差能夠反映觀測值與 COX 回歸模型預(yù)測值之間的差異。較大的偏差殘差意味著觀測值與模型的擬合程度較差，可能是異常值。在實際應(yīng)用中，可以通過繪制偏差殘差圖，觀察是否存在殘差明顯偏離其他值的觀測點。

（四）Martingale 殘差

Martingale 殘差類似于普通線性回歸中的殘差，當(dāng)模型擬合良好時，Martingale 殘差近似服從均值為 0 的正態(tài)分布，若存在明顯偏離的殘差，可能提示異常值。通過繪制 Martingale 殘差的直方圖或 Q-Q 圖，可以直觀地判斷是否存在異常值。

（五）Deviance 殘差

Deviance 殘差是對 Martingale 殘差的一種變換，使其更接近正態(tài)分布，便于進(jìn)行異常值診斷。與 Martingale 殘差類似，較大的 Deviance 殘差可能指示異常值的存在，可通過圖形等方式進(jìn)行識別。

四、異常值的處理方法

（一）刪除異常值

刪除異常值是一種簡單直接的處理方法，但可能會丟失部分信息，需要謹(jǐn)慎使用。在刪除異常值之前，應(yīng)充分檢查異常值產(chǎn)生的原因，確認(rèn)其為錯誤數(shù)據(jù)或?qū)δＰ陀袊?yán)重不良影響時方可刪除。

（二）對異常值進(jìn)行修正

若異常值是由于數(shù)據(jù)錄入錯誤等原因?qū)е碌模梢越Y(jié)合專業(yè)知識和實際情況對其進(jìn)行修正。例如，在醫(yī)學(xué)研究中，若某個患者的年齡數(shù)據(jù)明顯異常，可通過查閱原始病歷進(jìn)行核實和修正。

（三）采用穩(wěn)健的 COX 回歸模型

穩(wěn)健的 COX 回歸模型能夠減少異常值對模型的影響，即使存在異常值，模型參數(shù)的估計也能保持相對穩(wěn)定。這種方法在無法確定異常值是否應(yīng)刪除或修正時較為適用。

五、注意事項

1. 不能僅僅依靠單一的指標(biāo)來判斷異常值，應(yīng)該結(jié)合多種方法進(jìn)行綜合判斷。不同的診斷指標(biāo)可能從不同角度反映觀測值的異常程度，綜合多種指標(biāo)可以提高診斷的準(zhǔn)確性。

2. 要考慮異常值產(chǎn)生的原因，是數(shù)據(jù)錄入錯誤還是真實存在的特殊情況。對于真實存在的特殊情況，不能簡單地將其視為異常值刪除，而應(yīng)結(jié)合專業(yè)知識進(jìn)行分析，可能這些特殊情況蘊含著重要的研究信息。

3. 在診斷和處理異常值的過程中，需要保持嚴(yán)謹(jǐn)?shù)膽B(tài)度，避免因主觀判斷而導(dǎo)致錯誤的結(jié)論。同時，應(yīng)記錄異常值的診斷過程和處理方法，以便其他研究者進(jìn)行驗證和重復(fù)。

學(xué)習(xí)入口：https://edu.cda.cn/goods/show/3814?targetId=6587&preview=0

推薦學(xué)習(xí)書籍 《CDA一級教材》適合CDA一級考生備考，也適合業(yè)務(wù)及數(shù)據(jù)分析崗位的從業(yè)者提升自我。完整電子版已上線CDA網(wǎng)校，累計已有10萬+在讀~ 免費加入閱讀：https://edu.cda.cn/goods/show/3151?targetId=5147&preview=0