舍恩菲尔德残差

在具有多个变量的Cox比例风险模型中，如果对于这些变量之一，Schoenfeld残差不是平坦的，这是否会使整个模型无效？或者是否可以忽略效果不佳的变量？即，解释其他变量的系数，但不解释性能差的变量的结果系数。

处理Schoenfeld残差不平坦的模型有几种标准方法。暂时假设我们做不到。

比例风险（PH）的判断应基于正式的统计检验结果和Schoenfeld残差（SR）图。

如果给定变量的SR图显示出与直线的偏差，而其余变量则保持不变，那么您就不应忽略它。您可以做的第一件事是查看全局测试的结果。全局检验可能表明PH的总体假设是正确的（或不是）。如果全局测试很好，则切换假设不成立的变量的参考类别，您也许可以实现PH。与一个参考类别相比，危险可能是成比例的，而与另一参考类别则不是。因此，通过切换参考类别，您可能能够找到导致PH假设为真的类别。

如果切换不能解决您的问题，并假设您的模型中包含正确的变量，则表明危险与该特定变量不成比例，即在不同时间点存在不同的危险。因此，您可能需要在模型中引入变量和时间之间的交互。