
Odhad regresních koeficientů Coxova modelu
Pro odhad regresních koeficientů modelu navrhl David Cox tzv. metodu parciální věrohodnosti (partial likelihood method), která spočívá v tom, že místo standardní funkce věrohodnosti je maximalizována tzv. parciální věrohodnostní funkce (partial likelihood function). Parciální funkce věrohodnosti není závislá na specifikaci a závisí pouze na vektoru regresních koeficientů
. Odvození je následující: uvažujme soubor
subjektů s
pozorovanými událostmi
. Je-li vektor vysvětlujících proměnných
-tého subjektu
konstantní v čase, pak lze podmíněnou pravděpodobnost, že k výskytu sledované události v čase
došlo mezi všemi subjekty v riziku právě u
-tého subjektu, vyjádřit pomocí vztahu
|
(8.3) |
kde je indikátor toho, zda je
-tý pacient v riziku sledované události v čase
, tedy
pokud
,
pokud
. Ve výše uvedeném vztahu pro jednoduchost předpokládáme, že v každém čase
se vyskytla pouze jedna událost. Za předpokladu, že pozorované časy sledovaných událostí jsou navzájem nezávislé, můžeme parciální věrohodnostní funkci
sestrojit jako součin jednotlivých komponent přes všechny pozorované časy
, tedy jako
|
(8.4) |
Výpočetně je jednodušší pracovat se součtem než se součinem, proto se pro odhad regresních koeficientů používá maximalizace přirozeného logaritmu parciální věrohodnostní funkce, který můžeme vyjádřit jako
|
(8.5) |
Subjekty s cenzorovanými časy přežití přispívají k parciální věrohodnostní funkci pouze jako součást skupiny v riziku; příslušný odhad vektoru regresních koeficientů pak již získáme maximalizací funkce
,tedy položením příslušných derivací
podle
až
rovno nule a vyřešením příslušného systému
rovnic o
neznámých parametrech.