从survreg解释Weibull参数

我试图使用R中的survreg估计的参数生成反向威布尔分布。我的意思是，对于给定的概率（在MS Excel中实现的小型仿真模型中为随机数），我想使用我的参数返回预期的故障时间。我理解逆威布尔分布的一般形式为：

X=b[-ln(1-rand())]^(1/a)

其中a和b分别是形状和比例参数，X是我想要的失效时间。我的问题是如何解释survreg的截距和协变量参数。我有这些参数，时间单位为天：

             Value   Std. Error    z    p
(Intercept)     7.79    0.2288  34.051  0.000
Group 2        -0.139   0.2335  -0.596  0.551
Log(scale)     0.415    0.0279  14.88   0.000
Scale= 1.51 

Weibull distribution
Loglik(model)= -8356.7   Loglik(intercept only)= -8356.9 
Chisq = 0.37 on 1 degrees of freedom, p= 0.55 
Number of Newton-Raphson Iterations: 4 
n=1682 (3 observations deleted due to missing values)

---

我在帮助文件中读到，R的系数来自“极值分布”，但我不确定这到底意味着什么，以及如何“返回”公式中直接使用的标准比例参数。使用b=7.79和a=1.51给出了无意义的答案。我真的希望能够为基本组和“组2”生成一个时间。我还应注意，我没有亲自进行分析，无法进一步查询数据。

这在手册页，

？survreg

（在“示例”部分）中进行了解释

库（生存）
y关键是rweibull生成的形状参数与survreg输入的形状参数相反
谢谢，这回答了我的问题，我的模型工作正常。如果我试图估算“组2”而非基本组的反向威布尔，我将如何将“组2”系数与（截距）系数结合起来？组2_b=基_b*（exp（-.139））？谢谢again@DavidT86：否。对数标度上b组的估计“效应”是Intercept+beta_Grp_2，因此需要添加这些值：b=exp（7.79+（.139））@bondedust：如果我有其他非二元协变量，我应该通过exp（Intercept+coeff1*val_1+coeff2*val_2…）获得标度，其中val_I是第I个协变量的值。这是正确的吗？@statBeginner:听起来不正确，至少如果我正确地解释了你的问题。很难知道，因为“规模”是模糊的，而且你没有很好地描述目标。你可能会使用“规模”，而我会使用“估计效果”。我认为发布一个完整的例子是必要的。。。在对一个三岁问题的评论中处理不好。根据
？survreg
的示例部分，没有-
rweibull
的形状是
survreg
的比例的倒数。（我想你指的是“输出”，而不是“输入”。）
library(survival)
y <- rweibull(1000, shape=2, scale=5)
r <- survreg(Surv(y)~1, dist="weibull")
a <- 1/r$scale      # Approximately 2
b <- exp( coef(r) ) # Approximately 5
y2 <- b * ( -ln( 1-runif(1000) ) ) ^(1/a)
y3 <- rweibull(1000, shape=a, scale=5)
# Check graphically that the distributions are the same
plot(sort(y), sort(y2))
abline(0,1)