京公网安备 11010802034615号
经营许可证编号:京B2-20210330

COX 回归模型,又称比例风险回归模型,是一种用于生存分析的统计方法。它能够在考虑多个协变量的情况下,评估这些协变量对个体生存时间的影响。该模型的一大特点是可以处理含有删失数据的生存资料,这使得它在医学随访研究等领域得到了广泛应用。
在 COX 回归模型中,风险函数 λ(t,X) 可以表示为 λ0 (t) exp (Xβ),其中 λ0 (t) 是基准风险函数,X 是协变量向量,β 是回归系数向量。通过对回归系数的估计,可以了解各个协变量对生存时间的影响方向和程度。
在 COX 回归分析中,异常值的存在可能会给模型带来诸多问题。它们可能会扭曲协变量与生存时间之间的关系,使得模型参数的估计值偏离真实值,进而影响对各协变量作用的判断。同时,异常值还可能降低模型的拟合优度,导致模型对新数据的预测能力下降。
例如,在一项关于癌症患者生存时间的研究中,若存在一个异常的生存时间数据点,可能会使某个协变量(如治疗方法)的回归系数估计出现偏差,从而错误地判断该治疗方法对患者生存时间的影响。
杠杆值是用于衡量单个观测值对 COX 回归模型中回归系数估计影响程度的指标。其取值范围在 0 到 1 之间,值越大,说明该观测值对模型的影响越大,越有可能是异常值。一般来说,当杠杆值大于 2p/n(其中 p 为协变量的数量,n 为样本量)时,该观测值可能需要进一步检查。
Cook 距离是另一个用于诊断异常值的重要指标,它综合考虑了观测值的杠杆值和残差。Cook 距离越大,表明该观测值对模型参数估计的影响越大。通常,当 Cook 距离大于 4/n 时,可认为该观测值是强影响点,可能为异常值。
偏差残差能够反映观测值与 COX 回归模型预测值之间的差异。较大的偏差残差意味着观测值与模型的拟合程度较差,可能是异常值。在实际应用中,可以通过绘制偏差残差图,观察是否存在残差明显偏离其他值的观测点。
Martingale 残差类似于普通线性回归中的残差,当模型拟合良好时,Martingale 残差近似服从均值为 0 的正态分布,若存在明显偏离的残差,可能提示异常值。通过绘制 Martingale 残差的直方图或 Q-Q 图,可以直观地判断是否存在异常值。
Deviance 残差是对 Martingale 残差的一种变换,使其更接近正态分布,便于进行异常值诊断。与 Martingale 残差类似,较大的 Deviance 残差可能指示异常值的存在,可通过图形等方式进行识别。
删除异常值是一种简单直接的处理方法,但可能会丢失部分信息,需要谨慎使用。在删除异常值之前,应充分检查异常值产生的原因,确认其为错误数据或对模型有严重不良影响时方可删除。
若异常值是由于数据录入错误等原因导致的,可以结合专业知识和实际情况对其进行修正。例如,在医学研究中,若某个患者的年龄数据明显异常,可通过查阅原始病历进行核实和修正。
稳健的 COX 回归模型能够减少异常值对模型的影响,即使存在异常值,模型参数的估计也能保持相对稳定。这种方法在无法确定异常值是否应删除或修正时较为适用。
不能仅仅依靠单一的指标来判断异常值,应该结合多种方法进行综合判断。不同的诊断指标可能从不同角度反映观测值的异常程度,综合多种指标可以提高诊断的准确性。
要考虑异常值产生的原因,是数据录入错误还是真实存在的特殊情况。对于真实存在的特殊情况,不能简单地将其视为异常值删除,而应结合专业知识进行分析,可能这些特殊情况蕴含着重要的研究信息。
在诊断和处理异常值的过程中,需要保持严谨的态度,避免因主观判断而导致错误的结论。同时,应记录异常值的诊断过程和处理方法,以便其他研究者进行验证和重复。

数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA数据分析师 出品 作者:李诗怡 多表进阶与 DDL/DML 连接 · 子查询 · 合并 · 建表与书写规范 ” 三、DQL 多表进阶:连 ...
2026-11-20 前面讲了怎么搭指标体系,但很多团队卡在最后一步:高层定了一个漂亮的目标,往下一层层写进周报,最后却落不到任何人的具体 ...
2026-11-20 很多团队做数据分析的现状是:老板要一个数就拉一个数,周报里堆满了 GMV、DAU、转化率,却没人说得清这些数之间是什么关系 ...
2026-11-20这周你大概又经历过一次:报表自己跑了,SQL 让 AI 写了,连周报初稿都不用自己动手。你一边松口气,一边心里发慌——那我还剩什 ...
2026-11-20 做产品立项、写商业计划书、规划市场进入策略时,"市场调研"和"竞品分析"几乎总是被绑在一起说,甚至被当成同一件事。但实际 ...
2026-11-19 在做数据治理、搭数据中台或者梳理数据库表结构时,"主数据"和"参考数据"是被提及频率最高、也最容易被混为一谈的两个概念。 ...
2026-11-19“纲举目张,执本末从。”若想在数据分析领域有所收获,一套合适的学习教材至关重要。一套优质且契合需求的学习教材无疑是那关键 ...
2026-11-19一、什么是本体 在知识图谱和语义建模里,本体(Ontology)是对一个领域内概念、属性、关系和实例的形式化描述。它回答三个问题 ...
2026-11-18一、K-S 曲线解决什么问题 风控评分卡、客户流失模型、欺诈识别模型建好之后,最核心的一个问题是:模型能不能把"会变坏"和"不会 ...
2026-11-18核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-11-18核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-11-18产品上线之后,真正回答"用户是谁、想要什么、卡在哪里"的,往往不是调研问卷,而是用户留下的一条条行为记录。点击、浏览、停留 ...
2026-11-17在日常数据库开发与报表查询中,日期格式几乎是最高频的"打交道"对象:页面上要展示 yyyy-MM-dd,接口要返回 ISO 8601 字符串, ...
2026-11-17核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-11-17一、销售行业为什么离不开大数据分析 销售行业的本质是"把合适的产品,在合适的时间,卖给合适的人,并持续复购"。传统销售靠经 ...
2026-11-16一、什么是频数分布 拿到一批连续数据(员工年龄、商品价格、考试分数、订单金额),最想先看的往往不是平均值,而是数据集中在 ...
2026-11-16教育部办公厅关于成立全国数据职业教育教学指导委员会(2026—2030年)的通知 教职成厅函〔2026〕25号 各省、自治区、直辖市教 ...
2026-11-16CDA数据分析师 出品 作者:李诗怡 基础与单表查询 四大类语言 · 数据库基础 · DQL 单表查询 ” 一、SQL 四大类语言与数据 ...
2026-11-13核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-11-13一、问题从哪来 财务分析里算增长率,常规公式所有人都会写: 增长率本年数上年数上年数 这个公式在"上年为正"时完全成立。但一 ...
2026-11-12