Восстановление зависящих от времени ковариатных коэффициентов данных смоделированных повторяющихся событий

Question

Я хотел бы восстановить зависящие от времени ковариатные коэффициенты с помощью модели пропорциональной опасности Кокса.

Это мой код для моделирования данных. X.3 - изменяющийся во времени ковариат здесь.

n = 500
zFun <- function(time) {cbind(runif(1, min = 0, max = 1),
                              runif(1, min = -1, max = 0),
                              pmin((1/time + 1)/10, 1), 
                              rnorm(1, 0, .25))}

my_data = simEventData(n,
                       z = zFun,
                       zCoef = c(1, -1, -.5, 1),
                       rho = .5,
                       endTime = 5)

da2 = my_data %>%
  group_by(ID) %>%
  mutate(start = ifelse(time ==min(time),  0, lag(time)),
         X.1 = ifelse(event == 0, lag(X.1), X.1),
         X.2 = ifelse(event == 0, lag(X.2), X.2),
         X.3 = ifelse(event == 0, lag(X.3), X.3),
         X.4 = ifelse(event == 0, lag(X.4), X.4)) %>%
  filter(n() > 1)

Теперь я хотел восстановить истинные коэффициенты 1, -1, -0,5 и 1. Это моя бесполезная попытка восстановить их:

mod2 = coxph(Surv(start, time, event) ~ X.1 + X.2  + X.3 +  X.4 , data = da2)
summary(mod2)

Коэффициенты, которые я получаю из этой модели, далеки от коэффициентов, которые я смоделировал.