我有两个数据集（训练和验证）用于构建和验证 Cox 模型。
利用训练数据集，我使用逐步选择方法拟合了一个 cox 模型。
模型中的重要变量是验证模型中包含的唯一变量。 这是正确的方法吗？
在验证模型时，我意识到变量在验证模型中并不重要，而且 cox 模型的假设也不成立（我检查了验证数据的假设）。 我是否应该忽略变量无关紧要的事实，继续纠正验证数据中模型假设的问题？
第三，在训练和验证数据中，我对三组进行了变量“治疗”。在训练中，组是标准、新药和混合物，而在验证数据中，组是标准、新药和 X（这是一种不同于训练数据中混合的治疗方法）。 在两个模型中都包含这个变量是否正确，或者我应该消除不匹配的组；来自训练数据和来自验证数据的 X 的混合物，还是我应该这样使用它？我不确定这对我的分析有何影响。
感谢您的回复。
【问题讨论】：
标签： cross-validation survival-analysis cox-regression
回答您的第一个问题：是的，这是正确的方法。训练和验证集的整个想法是您根据训练集做出关于模型的所有决定（这里：添加哪些变量）。然后使用验证集来评估您在训练集中的结果有多稳健。这样你就可以检查过度拟合、异常值、数据错误等。
但是，我不推荐逐步回归方法。见本帖置顶答案：https://stats.stackexchange.com/questions/115843/backward-selection-for-cox-model-using-r。
第二个问题：不，你不应该忽略无关紧要的变量。这正是您拥有验证集的原因。也许您的训练集有几个非常有影响力的观察结果（异常值）？或者是其他东西？无论如何，你必须做一些额外的研究。
你的意思是什么假设？我假设您的意思是比例风险（PH）假设不成立，因为这个假设经常被违反。与您的第一个问题的答案相同的推理方式。首先在训练集上检查假设。如果它也不存在，请在您的模型中进行调整。如果确实违反了变量的 PH 假设，请添加时间交互或制作分层 cox 模型。 [例如：http://www.dbc.wroc.pl/Content/27006/Borucka_Extensions_of_Cox_model_For_non_proportional.pdf]
我不完全确定我对第三个问题的回答，但这里是：如果 X 未包含在您的训练模型中，则将其包含在您的验证模型中是不正确的。变量处理是一个因素，因此在回归中，它本质上会变为每个级别的虚拟 (0/1) 变量。因此，包含 X 与在您的验证模型中引入一个全新的变量相同，这是违反直觉的。
希望这会有所帮助！
【讨论】：