运行生存分析，假设变量的p值在统计上有意义-假设与结果呈正相关。但是，根据Schoenfeld残差，违反了比例风险(PH)的假设。
纠正PH违规后，以下哪种情况可能会发生？
PH假设违规通常意味着模型中需要包含一个交互作用。在简单的线性回归中，包含新变量可能会由于共线性而改变现有变量系数的方向。在上述情况下，我们可以使用相同的理由吗？
最佳答案
Therneau和Gramsch撰写了非常有用的文本“生存数据建模”，其中有整整一章介绍了比例测试。本章的最后是有关原因和建模替代方案的部分，我认为可以用它来回答这个问题。由于您提到了交互作用，这使您对特定p值的疑问变得模棱两可且含糊不清。
1)当然，如果您选择了特定的度量作为您感兴趣的主题，并且事实证明所有影响都是由于它与您碰巧也要测量的另一个变量的相互作用所致，那么您可能处于该变量的位置感兴趣的p值将减小，可能会减小为零。
2)几乎可以肯定的是，对具有不同结构的模型进行修改(例如，将添加随时间变化的协变量或对时间进行不同的处理)将导致对特定协变量的估算HR有所不同，我认为这是不可能的。预测变化的方向。
3)至于系数的正负号是否可以更改，我很确定这也是可能的。我正在考虑的场景是由两组说男女混合而成，一组中有一个子组，其早期死亡率大大提高，例如乳腺癌，而该组中尚存的成员将有更好的生存预期。基本模型可能显示正系数(高风险)，而能够识别处于危险中的亚组的模型将允许与性别相关的系数变为负(较低风险)。
关于survival-analysis - 违反PH假设，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/48669581/