SPSS分析技术：含时间依存性自变量的Cox回归分析；

正文

请到「今天看啥」查看全文

在Cox回归模型中，可以通过图形来主观判断自变量是否符合上面的假设，如下图所示，在log minus log图形中，两条生存曲线是几乎平行的，可以帮助分析者判断是否术中放疗对风险函数的影响是符合恒定比例假设的。

先回顾一下Cox回归模型：

具有时间依存自变量的Cox回归模型可以分成两种： 第一种 是自变量的取值不随时间变化，只是同样的自变量取值对生存时间分布的影响效应变化了，这种自变量称为外在时间依存自变量。模型公式可以表示为：

第二种 是情况是自变量的取值随时间的变化而变化，从而使得自变量对生存时间分布的影响发生变化，也就是说该自变量是时间t的因变量，这样的自变量称为内在时间依存自变量，例如文章开头提到的核辐射例子。模型可以表示为：

采用含时间依存自变量Cox回归模型判断自变量是否具有时间依存性，通过检验上面模型的回归系数与0是否有显著性差异，如果回归系数与0有显著性差异，说明该自变量具有时间依存性，反之则没有时间依存性，可以直接使用Cox回归模型。

在实际生活中，影响风险函数的自变量经常是会随着时间的改变而改变的，当数据分析者怀疑自变量具有时间依赖性时，那么就意味着这个自变量对风险函数的影响也会随时间的改变而改变，这时可以用含时间依存自变量的Cox回归模型来分析。

案例分析

在医学领域，普遍认为某种疾病的死亡率会受到害怕、压抑和焦虑等不良心理的影响。众所周知，在器官移植领域，需要心脏移植的病人必须等到合适的心脏提供者出现才能进入心脏移植程序。如果没有合适的心脏资源，就需要无限期等待。在人们的主观意识中，合适的心脏资源出现之前和出现之后，等待心脏移植的病人状态是完全不一样的，那么这种心理变化是否会影响生存时间分布呢？美国斯坦福大学曾经针对这个普遍认识进行了一项心脏移植对延长生存时间的研究。数据如下图所示：

请到「今天看啥」查看全文