“加速失效时间模型直接伸缩寿命的时间轴,系数解释为时间比;Cox 则约束瞬时风险比。Weibull 可以同时满足两种结构,但一般 AFT 分布不必比例风险,二者系数不能直接互换。”
形式陈述
沿用生存分析的事件时间记号,令
其中误差
令
用广义分位数
图像:沿横轴拉长整条曲线
想象把基线生存曲线印在弹性纸上,横向拉长
直觉
“寿命整体延长一倍”和“每一刻的风险减半”是否相同?加速失效时间模型直接伸缩时间轴,因此它的系数首先解释为时间比。
例子与边界
一个能完整算出的例子
设基线寿命服从形状参数
二元变量
这个例子碰巧也满足比例风险:
有删失时怎样拟合
右删失资料为
发生事件者贡献密度,删失者贡献存活到该时刻的概率。选择误差分布,构造这些贡献的对数和,数值求最大值,再用信息矩阵或适当重抽样评估不确定性。区间删失则在检查机制可忽略时贡献
反例与边界
一个可直接计算的非比例风险例子取
若一个变量只影响早期失效而对晚期几乎无影响,各分位时间比不同,一个
推论与应用
把时间单位由年改成月,
当问题自然表达为“达到相同累计失败比例需要多长时间”,AFT 的分位时间比很直接。选择 AFT 或Cox 模型时,应先判断哪种结构适合研究问题,再看数据是否支持;两者的系数不能不经转换地互作解释。
参考资料
- Stanford STATS 305B, Survival analysis, “Accelerated failure time” and “Likelihood under censoring” sections,时间伸缩及删失似然。
- R survival 3.8-6,Parametric Survival Distributions,Details 与 Weibull parameterisation 例:软件中的 log-time scale 是形状的倒数,不是 Weibull 的寿命尺度。
- Kalbfleisch and Prentice, The Statistical Analysis of Failure Time Data, 2nd ed., Wiley, 2002, Chapters 2–3,参数生存分布与回归模型。