survey包regTermTest()用于svycoxph模型比较的方法咨询

问题1：regTermTest(method="LRT")的对比逻辑 #

当你在regTermTest()中指定terms = c("AlcFactCox", "smoke")并设置method="LRT"时，确实是在对比包含这两个变量的M3模型，与将这两个变量全部移除后的嵌套模型。这个检验会计算两个模型的对数似然比，并生成适配复杂抽样设计的卡方检验结果，核心是判断这两个变量的联合加入是否显著提升模型拟合度。

问题2：regTermTest(method="Wald")的检验目标 #

使用method="Wald"且指定上述两个变量时，检验的是这两个变量的联合效应是否整体为0，而非单独检验每个变量的效应。如果需要单独检验某一个变量的效应，只需在terms参数中单独指定该变量即可。

问题3：regTermTest的LRT适用性与替代方案 #

• LRT方法的适用性：regTermTest()的LRT方法完全适用于svycoxph模型的嵌套比较，它已经考虑了NHANES数据的复杂抽样权重、分层和聚类设计，是survey包官方推荐的针对复杂抽样生存模型的检验方式之一。
• 更优的模型筛选方案：
  • 若要进行逐步模型筛选（比如逐个变量删除检验），可以使用drop1()函数针对svycoxph对象操作，它会自动生成每个变量移除后的LRT或Wald检验结果，方便逐步筛选最优模型。
  • 对于信息准则（AIC/BIC），由于基础的AIC()/BIC()函数不支持svycoxph，可以手动计算加权版的信息准则，或者参考survey包文档中针对复杂模型的拟合优度评估方法；不过需注意，加权信息准则的解释要结合抽样设计。
  • 关于一致性指数（C-index），它更侧重模型的预测区分度，而非拟合优度，因此对变量筛选的敏感度确实有限，更适合作为模型最终性能的评估指标，而非筛选工具。

内容的提问来源于stack exchange，提问作者user19680217