Schoenfeld残差法判断Cox比例风险回归分析的PH假定

原创 数据小兵  2021-04-28 09:58  阅读 4,140 次
数据小兵成长记

Cox比例风险模型,有一个最基本的前提,就是风险比率不随时间变化,简称PH假定。前面曾经写过一篇文章,介绍有关分类变量做因素时PH假定的检验过程,那么如果因素是连续数据变量呢?我们又该如何去检验PH假定?

答案是,用Schoenfeld残差法

以肺癌亚型生存数据为例(引自张文彤老师《SPSS统计分析高级篇》),咱们来看看入院时健康指数因素对生存风险的影响是否满足PH假定。

01

计算Cox回归的残差

针对入院健康指数因素变量,单独做它对生存时间的Cox比例风险回归(先不管他的条件)。具体操作可以参考下面这篇文章。

SPSS统计实践:Cox比例风险模型回归分析

在【保存】对话框中,勾选【偏残差】,要求软件给你计算并输出残差新变量。

来看结果:

02

计算生存时间的秩次

残差准备好后,接下来对原始数据中的生存时间数据做一个秩次的转换,我们想看的是随着时间更迭递进同一个台阶其生存风险的变化情况。

跟着我的菜单走。【转换】→【个案排秩】,

如上设置,我们要求软件将生存时间数据转换为它的排名秩次数据。

来看结果:

03

绘制散点图

怎么观察随时间变化的趋势及分布呢?散点图是蛮好的一个方案。马上依据上面计算所得的残差和实践秩次做一个散点图。SPSS散点图操作参考下面这篇文章:

SPSS动手实践:画个散点图

我们就直接来看结果了:

这红线总体来说是在零刻度线上线波动的,有那么一点点轻微抬高的趋势,不是很明显,点的总体分布规律不明显。

即生存风险不随时间的改变而改变(有一定主观性)。因此我们粗略观察认为入院时健康指数对生存风险的影响符合PH等比例风险假定。

04

强调一下

强调一下,Schoenfeld残差法属于图形可视化观察的思路和方案,是一种直观的分析,有一定主观性,是PH假定快速判断的一种粗糙手段。

本文完
文/图=数据小兵

 

《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/2964
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!
视频课程《SPSS统计分析:从入门到实践提高》
欢迎订阅SPSS训练营微信公众号

评论已关闭!