R coxph（）带交互项，警告：X矩阵被视为奇异矩阵

请对我耐心点。我是这个网站的新手

我正在使用coxph（）函数对海龟巢穴生存进行建模，遇到了一个令人困惑的问题，即物种和巢穴笼之间的相互作用。我有3种海龟的巢穴（每种7个、10个和111个巢穴）

物种（1）的所有巢穴上都有鸟笼，共有7个巢穴

有10个巢的物种（2）的所有巢上都没有巢笼

该物种（3）有111个巢穴，大约一半的巢穴上有鸟笼

以下是我的模型及其摘要输出：

    S<-Surv(time, event)

    n8<-coxph(S~species:cage, data=nesta1)
    Warning message:
    In coxph(S ~ species:cage, data = nesta1) :
      X matrix deemed to be singular; variable 1 5 6

    summary(n8)

    Call:
    coxph(formula = S ~ species:cage, data = nesta1)

      n= 128, number of events= 73 

                         coef exp(coef) se(coef)      z Pr(>|z|)   
    species1:cageN      NA        NA   0.0000     NA       NA   
    species2:cageN  1.2399    3.4554   0.3965  3.128  0.00176 **
    species3:cageN  0.5511    1.7351   0.2664  2.068  0.03860 * 
    species1:cageY -0.1054    0.8999   0.6145 -0.172  0.86379   
    species2:cageY      NA        NA   0.0000     NA       NA   
    species3:cageY      NA        NA   0.0000     NA       NA   
    ---
    Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

                      exp(coef) exp(-coef) lower .95 upper .95
    species1:cageN        NA         NA        NA        NA
    species2:cageN    3.4554     0.2894    1.5887     7.515
    species3:cageN    1.7351     0.5763    1.0293     2.925
    species1:cageY    0.8999     1.1112    0.2698     3.001
    species2:cageY        NA         NA        NA        NA
    species3:cageY        NA         NA        NA        NA

    Concordance= 0.61  (se = 0.038 )
    Rsquare= 0.079   (max possible= 0.993 )
    Likelihood ratio test= 10.57  on 3 df,   p=0.01426
    Wald test            = 11.36  on 3 df,   p=0.009908
    Score (logrank) test = 12.22  on 3 df,   p=0.006672

---

编辑2：我知道仅交互模型不是很有用，但是交互术语结果的行为方式与我在模型中是否有其他主要效果的行为方式相同。为了简化这个问题，我删除了其他主要影响

---

谢谢大家!

用（nesta1，表（事件，物种，笼子））发布

的结果

。通常，只有交互项而没有主效应的构建模型会造成数据驱动的数学灾难。我有一个更大的模型，有其他主效应，得到了相同的结果。我把这个问题中的模型简化了。我已经添加了您要求的结果，但我不确定它们是什么意思。第一点应该是，仅交互模型通常是浪费时间的，因为在解释它们时有很多困难。如果你不确定他们的意思，这并不奇怪，因为大多数人也不知道。它们通常不符合有趣的假设。我不确定我是否需要转到第2点，给定第1点。戴着我的MD帽子，我说如果你把你的软件扭成那样会痛，那么。。。。不要这样做。我知道只有交互的模型是没有用的，但我做交互只是为了简化我的问题。使用AIC，我所有的顶级模型都包括交互项以及其他变量。交互结果与模型中的其他变量的行为方式相同，因此为了简化这个问题，我删除了它们。我想我明白这种相互作用对物种1和2意味着什么。这是物种3，我感到困惑，因为有鸟巢和没有鸟笼，但结果显示（NA）。我以为我是通过添加交互项来控制变异的。用（nesta1，table（event，species，cage））发布

的结果。通常，只有交互项而没有主效应的构建模型会造成数据驱动的数学灾难。我有一个更大的模型，有其他主效应，得到了相同的结果。我把这个问题中的模型简化了。我已经添加了您要求的结果，但我不确定它们是什么意思。第一点应该是，仅交互模型通常是浪费时间的，因为在解释它们时有很多困难。如果你不确定他们的意思，这并不奇怪，因为大多数人也不知道。它们通常不符合有趣的假设。我不确定我是否需要转到第2点，给定第1点。戴着我的MD帽子，我说如果你把你的软件扭成那样会痛，那么。。。。不要这样做。我知道只有交互的模型是没有用的，但我做交互只是为了简化我的问题。使用AIC，我所有的顶级模型都包括交互项以及其他变量。交互结果与模型中的其他变量的行为方式相同，因此为了简化这个问题，我删除了它们。我想我明白这种相互作用对物种1和2意味着什么。这是物种3，我感到困惑，因为有鸟巢和没有鸟笼，但结果显示（NA）。我以为我是通过添加交互项来控制变化的。
      , , cage = N

           species
    event    1    2    3
        0    0    1   24
        1    0    9   38

    , , cage = Y

         species
    event    1    2    3
        0    4    0   26
        1    3    0   23