Залишки Шенфельда

У моделі пропорційної небезпеки Кокса з багатьма змінними, якщо залишки Шенфельда не є однозначною для однієї зі змінних, чи це може визнати недійсною всю модель або просто може бути проігнорована лише неякісна змінна? Тобто інтерпретуйте коефіцієнти для інших змінних, але не інтерпретуйте отримані коефіцієнти для малоефективної змінної.

Існує кілька стандартних способів поводження з моделлю, коли залишки Шенфельда не є рівними. Припустимо на даний момент, що ми не можемо їх зробити.

Судження про пропорційну небезпеку (PH) повинно базуватися на результатах офіційного статистичного тесту та графіку залишків Шенфельда (SR) разом.

Якщо графік SR для даної змінної показує відхилення від прямої, поки вона залишається рівною для решти змінних, то це те, що ви не повинні ігнорувати. Перше, що ви можете зробити, це подивитися на результати глобального тесту. Глобальний тест може свідчити про те, що загальне припущення про те, що PH відповідає дійсності, є [або ні]. Якщо глобальний тест нормальний, тоді перемикання еталонної категорії змінної, для якої припущення не відповідає дійсності, можливо, ви зможете досягти PH. Небезпеки можуть бути пропорційними порівняно з однією референтною категорією, але не з іншою. Отже, перемикаючи референтні категорії, ви зможете знайти категорію, в результаті якої припущення щодо PH є істинним.

Якщо комутація не вирішує вашу проблему, і якщо припустити, що ви отримали правильні змінні у вашій моделі, то це вказує на те, що небезпеки не пропорційні для цієї конкретної змінної, тобто різної небезпеки в різні моменти часу. Отже, ви можете ввести взаємодію між змінною та часом у вашій моделі.