#如何使用R语言拟合多态马尔可夫模型multistate Markov models
现在需要根据观测数据中的时间跟观测状态(1、2、3,并且可以互相转换)拟合一个多态马尔可夫模型,但是在计算出来转换次数之后不知道应该如何根据转换次数定义概率矩阵以及构建模型。
library(readr)
data1<- read.csv("C://Users//fszwy//Desktop//test1.csv")
dput(names(data1))##输出变量名
library(dplyr)
library(msm)
newdata<-subset(data1,data1$diet>0 )
statetable.msm(frailty, Participant.ID, data=newdata)
以上步骤已经完成,但是参考的文章接下来有一步如下:
上面的结果就显示了随着随访的进行,有多少人从一个状态转化到了另外一个状态,就是论文中报告的每个转化的转化次数,我们还可以使用pmatrix.msm函数得到转化概率矩阵,如下图:
有了状态转换次数和状态转换概率,论文中的table2就出来了。
以上步骤不知道如何过渡的。接下来就是设定转换的限制矩阵,构建模型。这两步也是不太清楚。
msm_model <- msm(state ~ years, subject = PTNUM, data = mydata,
covariates = ~ dage + ihd,
qmatrix = twoway4.q,
death = 4,
method = "BFGS", control = list(fnscale = 4000, maxit = 10000))
有没有人可以帮忙解答一下,总之就是如何利用我的数据构建一个多态马可夫转换模型,并且探讨有什么因素影响这个转换过程。