Cox 回归分析
Cox 回归为时间事件数据建立预测模块。该模块生成生存函数用于为预测变量的给定值预测被观察事件在给定时间内 t 发生的概率。从观察主体中估计预测的生存函数形状与回归系数；该方法稍后可应用于具有预测变量测量的新个案。注意，已检查主体中的信息，即未在观察时间内经历被观察事件的信息，为模块估计做出巨大贡献。
示例。 男性和女性因吸烟引发肺癌的风险是否不同？通过构造一个 Cox 回归模型，输入吸烟情况（每天吸烟根数）和性别作为协变量，您可以检验关于性别和吸烟情况对肺癌发作的影响的假设。
统计。 对于每个模型：–2LL，似然比统计和整体卡方。对于模型中的变量：参数估计值、标准误差和 Wald 统计。对于不在模型中的变量：得分统计和残差卡方。
Cox 回归数据注意事项
数据。 时间变量应是定量变量，但状态变量可以是分类或连续变量。自变量（协变量）可以是连续或分类变量；如果是分类变量，它们应经过哑元编码或指示符编码（该过程中有一个自动对分类变量进行编码的选项）。层次变量应是分类变量，编码为整数或短字符串。
假设。 观察值应是独立的，风险比应是时间恒定值；即，各个个案风险的比率不应随时间变化。后一个假设称为比例风险假设。
相关过程。 如果比例风险假设不成立（请参见上文），可能需要使用带依时协变量的 Cox 过程。如果没有协变量或者只有一个分类协变量，可以使用寿命表或 Kaplan-Meier 过程检查样本的生存或风险函数。如果样本中没有已审查的数据（即，每个个案都出现终端事件），可以使用线性回归过程对预测变量和时间事件之间的关系进行建模。
获得 Cox 回归分析
此功能需要“高级回归”选项。
- 从菜单中选择：
- 选择时间变量。不分析时间值为负值的个案。
- 选择一个状态变量，然后单击定义事件。
- 选择一个或多个协变量。要包含交互项，请选择交互中所涉及的所有变量，然后单击 >a*b>。
或者，可以通过定义分层变量为不同组计算各自的模型。
此过程将粘贴 COXREG 命令语法。