SPSS统计实践:Cox比例风险模型回归分析

原创 数据小兵  2020-09-28 11:21  阅读 318 次
视频课程《SPSS统计分析:从入门到实践提高》

在对生存数据的分析中,Cox比例风险模型Cox回归分析是一种被广泛应用的方法,用以解释自变量按风险比例对生存时间的效应。

案例数据

收集到30例病人的生存时间、结局即可能影响因素,数据选自李晓松老师著《卫生统计学》第8版。数据变量如下。

研究目标变量包括生存结局和生存时间(以月为单位),可能的影响因素变量包括年龄、肿瘤分级(3水平)、肿瘤大小(2水平)、是否复发(2水平)4个,其中年龄为连续数据。

Cox回归菜单操作

【分析】→【生存分析】→【Cox回归】,打开主对话框:

生存时间和生存状态移入对应的变量框内,然后点开【定义事件】,关于生存数据的研究,我们必须唯一定义事件的结局,本例生存事件是“死亡”,它的数字编码是数字1,所以填入数字1即可。

可能的影响因素呢移入【协变量】框,不要被协变量这个名字给限制了,把它理解为自变量框即可。

由于我们现在是考察4个影响因素,和logistic回归分析类似,我们还需要给出具体的回归方式,也就是如何对待进入模型的因素,通常建议可以选【向前LR】,它是一种十分高效的逐步回归方法。

这里有一篇文章,大家去了解一下回归方法的选择。

logistic回归方法的选择:输入、向前、向后与条件、LR、Wald

关于【块】的概念,是用来就不同的自变量进行不同的回归方式,比如受研究的需要,模型中必须考虑某个因素的影响,那么就把它单独放在一个【块】里,选择【输入法】回归方式。

【层】的概念,这里主要是用来帮我们控制混杂因素的,如果研究中确实有的话,那么就移入这里,注意它应该是分类变量。

和logistic回归类似,一般对于有3个分类水平的分类自变量,原则上应当以虚拟变量的形式参与建模,比如本例中的肿瘤等级是有3个水平的分类变量,我们打开【分类】对话框,将肿瘤分级变量移入【分类协变量】框内。

本例以第一个分级作为参照水平,记得此时一定要点击【变化量】进行生效。

对于生存数据分析来说,有一个绕不开的可视化效果图,就是生存率梯度下降的图形。打开【图】按钮,勾选【生存分析】可得到所有数据的一个生存分析图。

假设我们还想细致的考察某个小的分类生存率,那么可以将指定的分类变量作为分组,移入【针对下列各项绘制单独的线条】,比如本例,我们就想看一看不同肿瘤等级下生存率的变化情况。

最后在【选项】对话框中,一般可以勾选上【在最后一个步骤】显示模型信息。除此之外,还可以勾选的【Exp的置信区间】。

Cox回归结果解读

1)个案处理摘要:从结果可知,有30个肿瘤术后病人中,有27人被观察到先后死亡,占比90%,另外有3个病人删失或安全度过本次研究的研究期。

2)最终模型的Ominbus总体检验:可以发现新模型显著性P<0.001,说明纳入自变量后的新模型比旧模型的解释能力更强,即至少有一个自变量对模型有重要贡献和影响。

3)回归系数表:在所有纳入的四个自变量中,除年龄外,其他自变量的t检验显著性伴随概率P值均小于0.05,年龄也可以认为是具有边缘显著性(P=0.051)。说明年龄、肿瘤分级、肿瘤大小、是否复发显著影响术后的生存时间分布。

具体解读一下。比如肿瘤大小这个因素,回归系数为1.129,为正数,且相对风险度Exp(B)=3.093>1,肿瘤大小这因素对患病死亡来说是一个危险因素,肿瘤的尺寸越大死亡风险将越高,每提高一个尺寸等级,死亡风险增加3.093倍。

4)总体生存曲线:即所有病人的生存曲线,按自变量取平均值时的累积生存分析函数曲线,表示所有自变量取均值的情况下,生存率的变化情况,从曲线可知,前12个月病人的生存率较高,此后一直到36个月中间的时段(一年以上三年以内),病人的生存率下滑最快。

5)按肿瘤等级分组后的生存曲线:可知肿瘤分级为3级的患者在24个月内生存率叫其他两类人下降更为迅速,应该给予足够的医护重视。

本文完
文/图=数据小兵

◢ 猜你喜欢 ◣

logistic回归分析如何进行多重共线性检验?

SPSS统计分析案例:一元线性回归
SPSS加权线性回归实践,解决异方差问题
线性回归中5种自变量筛选方法如何选择?
SPSS案例实践:多重线性回归分析
如何选择有序多分类logistic回归连接函数?
用SPSS做有序多分类logistic回归分析
数据小兵坚持写博客已经12年
坚持写微信公号文章6年
坚持更新SPSS视频课程2年
坚持一对一答疑讨论2年
绝对超值:一对一答疑
欢迎加入SPSS视频课程
竭诚服务
《SPSS统计分析:快速入门与实践提高》

视频地址:

https://study.163.com/course/introduction/1003945001.htm?share=1&shareId=1149679450

本文地址:http://www.datasoldier.net/archives/2456
版权声明:本文为原创文章,版权归 数据小兵 所有,欢迎分享本文,转载请保留出处!
SPSS在线视频学习
欢迎订阅SPSS训练营微信公众号

评论已关闭!