向前logistic回归与向后筛选出一样的变量_生存分析之Cox回归

最新推荐文章于 2024-05-27 16:45:41 发布

weixin_40001395

最新推荐文章于 2024-05-27 16:45:41 发布

阅读量3.3k

点赞数 1

文章标签：向前logistic回归与向后筛选出一样的变量

本文介绍了Cox比例风险回归模型在生存分析中的应用，包括模型建立、比例风险假定检验以及逐步回归筛选变量。通过STATA软件演示了如何声明生存时间变量、进行Cox回归分析和比例风险假定的图形与计算检验。实例展示了复发和年龄是影响肿瘤预后的重要因素。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

转自个人微信公众号【Memo_Cleon】的统计学习笔记：生存分析之Cox回归。

随访资料的生存分析是一个很大的题目。

从分析的因素上看，有单因素分析和多因素分析。正如“连续资料的单因素分析常用t检验、方差分析，对应的多因素分析是多重线性回归”、“分类资料的单因素分析方法卡方分析，对应的多因素分析有logistic回归”一样，生存分析的常用单因素（或少数因素）的分析有Life Tables法、Kaplan-Meier法，对应的多因素模型则常用Cox回归模型（Cox风险比例模型）。从采取的分析方法上看，生存分析有非参数法（如Wilcoxon法、Log-rank法）、参数法（如Weibull回归、lognormal回归等）和半参数分析（Cox回归）。

Cox回归要求满足比例风险假定(proportional-hazards assumption)的前提条件。所谓比例风险假定，就是假定风险比(HR，Hazard Ratio)不随时间t变化而变化。

在进行生存分析前，你最好对以下的一些概念及其意义有所了解：起始事件、失效事件(Failure Event)/终点事件(Endpoint Event)、生存时间(Survival Time)/失效时间(Failure Time)、中位生存时间(Median Survival Time)、平均生存时间(Mean Survival Time)、删失值/截尾值(censored values)、生存概率(Survival Probability)、生存率(Survival Rate)/积累生存概率/生存函数/积累生存函数(Cumulative Survival Function)、风险函数(Hazard Function)、累积风险函数……风险函数h(t)=概率密度函数f(t)/生存函数S(t)，概率密度函数f(t)为累积分布函数F(t)的导数，而F(t)=1-S(t)。可参见《生存分析》。

模型结构与参数释义可参见颜虹等主编的《医学统计学》，如下。对此不感兴趣而只关心操作和结果解读的，可直接越过。