为什么R的survival包做区间回归有时会输出为0的异常标准误？

该现象属于survival包survreg函数内置鲁棒标准误计算模块的数值精度边缘缺陷，既不是数据违反模型假设，也不是参数拟合逻辑错误：

• 对比R和Stata的输出可以发现，两组的group系数、scale参数、似然比检验p值几乎完全一致，说明核心参数估计环节是完全正常的
• 仅鲁棒标准误输出为0，是三明治估计计算过程中出现了数值下溢，被浮点运算截断为0导致的

你可以通过以下操作确认问题来源：

1. 关闭内置鲁棒标准误参数重新拟合模型，朴素标准误输出会恢复正常：

Y <- with(data,Surv(lb, ub, event=rep(3, nrow(data)), type="interval"))
# 关闭robust参数
summary(survreg(Y~group, data=data, dist="gaussian", robust=F))

2. 手动提取协方差矩阵验证：拟合完模型后提取鲁棒协方差矩阵，可见group对应的方差项数值异常偏小，确认是标准误计算环节的问题

fit_robust <- survreg(Y~group, data=data, dist="gaussian", robust=T)
vcov(fit_robust)

方案1：手动计算鲁棒标准误 #

不用survreg内置的robust=T参数，改用稳定性更高的sandwich包手动计算鲁棒标准误：

library(survival)
library(sandwich)
library(lmtest)

# 拟合基础模型
Y <- with(data,Surv(lb, ub, event=rep(3, nrow(data)), type="interval"))
fit <- survreg(Y~group, data=data, dist="gaussian")

# 手动计算鲁棒标准误并输出结果
coeftest(fit, vcov = vcovHC(fit, type="HC0"))

该方法输出的group标准误结果会和Stata输出基本一致。

方案2：改用适配区间回归的专用包 #

可以使用intReg包拟合模型，该包的数值优化和标准误计算逻辑更贴近Stata的intreg命令，结果一致性更高。

内容的提问来源于stack exchange，提问作者natecon