Las predicciones de Coxph no coinciden con los coeficientes
Buenas tardes,
Podría publicar código reproducible y ciertamente lo haré si todos están de acuerdo en que algo está mal, pero en este momento creo que mi pregunta es bastante simple y alguien me indicará el camino correcto.
Estoy trabajando en un conjunto de datos como este:
created_as_free_user t c
<fctr> <int> <int>
1 true 36 0
2 true 36 0
3 true 0 1
4 true 28 0
5 true 9 0
6 true 0 1
7 true 13 0
8 true 19 0
9 true 9 0
10 true 16 0
Instalé un modelo de regresión de Cox como este:
fit_train = coxph(Surv(time = t,event = c) ~ created_as_free_user ,data = teste)
summary(fit_train)
Y recibido:
Call:
coxph(formula = Surv(time = t, event = c) ~ created_as_free_user,
data = teste)
n= 9000, number of events= 1233
coef exp(coef) se(coef) z Pr(>|z|)
created_as_free_usertrue -0.7205 0.4865 0.1628 -4.426 9.59e-06 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
exp(coef) exp(-coef) lower .95 upper .95
created_as_free_usertrue 0.4865 2.055 0.3536 0.6693
Concordance= 0.511 (se = 0.002 )
Rsquare= 0.002 (max possible= 0.908 )
Likelihood ratio test= 15.81 on 1 df, p=7e-05
Wald test = 19.59 on 1 df, p=9.589e-06
Score (logrank) test = 20.45 on 1 df, p=6.109e-06
Hasta aquí todo bien. Siguiente paso: predecir los resultados en nuevos datos. Entiendo los diferentes tipos de predicciones que predict.coxph me puede dar (o al menos creo que sí). Usemos el tipo = "lp":
head(predict(fit_train,validacao,type = "lp"),n=20)
Y obten:
1 2 3 4 5 6 7 8 9 10
-0.01208854 -0.01208854 -0.01208854 -0.01208854 -0.01208854 -0.01208854 -0.01208854 -0.01208854 -0.01208854 -0.01208854
11 12 13 14 15 16 17 18 19 20
-0.01208854 -0.01208854 0.70842049 -0.01208854 -0.01208854 -0.01208854 -0.01208854 -0.01208854 -0.01208854 -0.01208854
OKAY. Pero cuando miro los datos que estoy tratando de estimar:
# A tibble: 9,000 × 3
created_as_free_user t c
<fctr> <int> <int>
1 true 20 0
2 true 12 0
3 true 0 1
4 true 10 0
5 true 51 0
6 true 36 0
7 true 44 0
8 true 0 1
9 true 27 0
10 true 6 0
# ... with 8,990 more rows
Me hace confundir ...
El tipo = "lp" no se supone que te dé las predicciones lineales? Para estos datos anteriores que estoy tratando de estimar, dado que la variable created_as_free_user es igual a verdadera, ¿me equivoco al esperar que la predicción type = "lp" sea exactamente -0.7205 (el coeficiente del modelo anterior)? ¿De dónde vino el -0.01208854? Sospecho que es una especie de situación de escala, pero no pude encontrar la respuesta en línea.
Mi objetivo final es la h (t) dada por el tipo de predicción = "esperado", pero no estoy tan cómodo usándola porque usa este valor -0.01208854 que no entiendo completamente.
Muchas gracias