我可以为R中的Cox比例风险模型执行所有子集变量选择吗？

在为我的数据选择顶级Cox比例风险模型时，我试图使用一个类似于（如果不是实际的话）程序R中leaps包中的regsubsets的函数。这可能吗？如果是这样，函数是否已经存在？

我猜您已经熟悉以下内容了。。。如果您使用“顶级车型”作为标准，那么这将是一个合理的起点：

library(survival)
data(colon)
c1 <- coxph(Surv(time=time, event=status) ~
     as.factor(extent) + age + sex, data=colon)
step(c1)

库（生存）
数据（冒号）
c1你应该首先认真地质疑这是否是一个好主意。你推荐什么样的选型程序？在我接受一个模型为“最佳”之前，先看看竞争模型之间有多接近是不合适的吗？你应该首先考虑投资领域的基础科学。除非目标明确，否则不可能推荐“最佳程序”。我通读了您提供的链接，它们似乎都对逐步变量选择非常关键。这正是我试图找到另一种变量选择方法（所有子集）的原因。据我所知，并非如此。你在想类似的事情。这里有一个很好的子集回归回顾。如果您有少量候选对象，您可以使用循环生成替代模型，并将感兴趣的结果存储在data.frame中，然后对其进行排序。正如你所看到的，即使是少量的预测值，在计算上也会有相当高的要求。您可能需要研究一种使这样一个循环并行运行的方法。另一种方法是用编译语言重写回归的密集部分。。。