Test | DF | Chi-Quadrat | p-Wert |
---|---|---|---|
Likelihood-Quotient | 4 | 29,39 | 0,000 |
Wald | 4 | 32,47 | 0,000 |
Wert | 4 | 35,22 | 0,000 |
In diesen Ergebnissen liegen die p-Werte für alle 3 Tests unter 0,05, so dass Sie daraus schließen können, dass das Modell gut zu den Daten passt.
Wald-Test | |||
---|---|---|---|
Quelle | DF | Chi-Quadrat | p-Wert |
Risikokategorie | 2 | 9,77 | 0,008 |
Normale Blutplättchen | 1 | 9,13 | 0,003 |
Stadium der Krankheit | 1 | 6,41 | 0,011 |
In diesen Ergebnissen ist der p-Wert für Risikokategorie bei einem α-Niveau von 0,05 signifikant. Daraus kann man schließen, dass der Risikokategorie statistisch signifikante Einfluss darauf hat, ob der Patient krankheitsfrei ist. Sie können die gleiche Schlussfolgerung über Normale Blutplättchen und Stadium der Krankheit ziehen.
In der Tabelle Relative Risiken für kategoriale Prädiktoren kennzeichnet Minitab zwei Ebenen der kategorialen Variablen als Ebene A und Ebene B. Das relative Risiko beschreibt die Eintrittsrate des Ereignisses für Stufe A relativ zu Ebene B. In den folgenden Ergebnissen ist beispielsweise das Risiko, das Ereignis für Patienten mit einem Hohes Risiko for Stadium der Krankheit zu erleben, 2-mal höher als bei Patienten mit einem Stadium der Krankheit von Normal.
Sie können das Konfidenzintervall verwenden, um zu bestimmen, ob das relative Risiko statistisch signifikant ist. Wenn das Konfidenzintervall 1 enthält, können Sie normalerweise nicht schlussfolgern, dass das relative Risiko statistisch signifikant ist.
Stufe A | Stufe B | Relatives Risiko | 95%-KI |
---|---|---|---|
Risikokategorie | |||
2 | 1 | 0,4524 | (0,2409; 0,8495) |
3 | 1 | 0,9673 | (0,5116; 1,8290) |
3 | 2 | 2,1383 | (1,2487; 3,6616) |
Normale Blutplättchen | |||
Ja | Nein | 0,3666 | (0,1912; 0,7029) |
Stadium der Krankheit | |||
Normal | Hohes Risiko | 0,4986 | (0,2909; 0,8547) |
Verwenden Sie die Tests, um zu bestimmen, ob das Modell die Annahme proportionaler Gefahren erfüllt. Die Nullhypothese ist, dass das Modell die Annahme für alle Prädiktoren erfüllt. In der Regel ist ein Signifikanzniveau (als α oder Alpha bezeichnet) von 0,05 gut geeignet. Ein Signifikanzniveau von 0,05 bedeutet ein Risiko der Schlussfolgerung, dass das Modell die Streuung in der Antwortvariablen erklärt, während dies tatsächlich nicht der Fall ist, von 5 %.
Wenn der p-Wert kleiner oder gleich dem Signifikanzniveau ist, können Sie schlussfolgern, dass das Modell die Beziehung nicht richtig widerspiegelt. Wenn der p-Wert größer als das Signifikanzniveau ist, können Sie nicht schlussfolgern, dass das Modell die Streuung in der Antwortvariablen erklärt.
Verwenden Sie das Andersen-Diagramm, um zu bestimmen, ob das Modell die Proportional-Hazards-Annahme für verschiedene Schichten erfüllt. Jede Kombination von Werten einer oder mehrerer Schichtungsvariablen definiert eine Schicht. Das Diagramm enthält eine Kurve für jede Schicht. Wenn das Modell die Annahme erfüllt, sind die Kurven gerade Linien durch den Punkt, wobei X = 0 und Y = 0 ist. Wenn die Baseline-Hazard-Rate für eine Schicht mit der Baseline-Hazard-Rate für die Schicht auf der x-Achse identisch ist, folgt die Kurve der 45-Grad-Referenzlinie auf dem Diagramm.
Wenn das Modell die Annahme nicht erfüllt, überlegen Sie, ob die Daten durch die Schichtungsvariable dividiert werden sollen, für die das Modell die Annahme der proportionalen Gefahren nicht erfüllt. Führen Sie dann eine separate Analyse für jede Teilmenge der Daten durch. Die separaten Analysen liefern unterschiedliche Effekte für die Prädiktoren in jeder Teilmenge.
Term | DF | Korrelation | Chi-Quadrat | p-Wert |
---|---|---|---|---|
Risikokategorie | ||||
2 | 1 | 0,0757 | 0,54 | 0,464 |
3 | 1 | -0,1160 | 1,08 | 0,300 |
Normale Blutplättchen | ||||
Ja | 1 | 0,0296 | 0,09 | 0,769 |
Stadium der Krankheit | ||||
Normal | 1 | -0,1205 | 1,30 | 0,255 |
Gesamt | 4 | — | 5,42 | 0,247 |
In diesen Ergebnissen sind die p-Werte für den Test auf proportionale Gefahren alle größer als 0,05, so dass Sie nicht schlussfolgern können, dass das Modell die Annahme der proportionalen Gefahren nicht erfüllt.