生存分析(survival analysis)适合于处理时间－事件数据。例如中风病人从首次发病到两次复发，其中就涉及到时间和事件。此例中时间就是复发的时间间隔，事件就是是否复发。如果用普通的线性回归对复发时间进行分析，就需要去除那些没有复发的病人样本。如果用Logistic回归对是否复发进行分析，就没有用到时间这个因素。而生存分析同时考虑时间和事情这两个因素，效果会更好些。
在R语言中我们可以使用survival包进行生存分析，其中主要的函数功能罗列如下：
Surv：用于创建生存数据对象
survfit：创建KM生存曲线或是Cox调整生存曲线
survdiff：用于不同组的统计检验
coxph：构建COX回归模型
cox.zph：检验PH假设是否成立
survreg：构建参数模型
下面是使用一个实例来使用R中的生存分析函数，其中用到的数据集可以在这里下载。
stepAIC(mod2)
回复删除错误: 没有"stepAIC"这个函数
哦，需要事先加载包 library(MASS)
删除怎么可以把你的网站打包下载下来，？公司可以爬墙看， 回家就不能爬墙了。
回复删除r-blogger中文上有同步的，也可以上http://xccds.github.io
删除你好，想咨询一下，如果在coxph函数中，例如mod1 <- coxph(y ~ prison + dose + clinic,data=addicts)，prison + dose + clinic的项数非常多的话，应该怎么处理呀！！
回复删除你的意思是项数太多不好输入是吧，你可以用字符串粘合后转为公式。
删除谢谢
回复删除请问老师，既然“不平行，不符合PH假设”，为什么还要进行cox regression的检验？
回复删除