Methoden und Formeln für die Modellauswahl in Cox-Modell in einem Zählprozessformular anpassen

Die Variablenauswahl erfolgt durch das Aufnehmen von Prädiktoren in das vorhandene Modell bzw. Entfernen von Prädiktoren aus dem vorhandenen Modell auf der Grundlage des F-Tests. Bei der schrittweisen Auswahl ist das anfängliche Modell standardmäßig leer. Spezifikationen für die Analyse ermöglichen das Hinzufügen von Begriffen zum ursprünglichen Modell und das Hinzufügen von Begriffen zu jedem Modell. Die schrittweise Regression stellt eine Kombination aus den Verfahren der Vorwärtsauswahl und der Rückwärtselimination dar. Zunächst wird im Verfahren geprüft, ob ein Begriff mit den Regeln für die Rückwärtsbeseitigung entfernt werden soll. Wenn das Verfahren keine Begriffe findet, die entfernt werden müssen, wird im Verfahren bewertet, ob ein Begriff mit den Regeln für die Vorwärtsauswahl hinzugefügt werden soll. Die schrittweise Auswahl wird nicht begonnen, wenn das Anfangsmodell alle Freiheitsgrade verwendet.

Bei der Vorwärtsauswahl ist das ursprüngliche Modell leer oder enthält Begriffe, die in jedem Modell enthalten sind. Für jeden Kandidatenbegriff berechnet Minitab Statistical Software eine Bewertungsteststatistik und einen entsprechenden p-Wert. Wenn mindestens ein Kandidatenbegriff einen p-Wert hat, der kleiner ist als der in angegebene Alpha für Aufnahme Wert, dann tritt der Term mit dem kleinsten p-Wert in das Modell ein. Bei bestimmten Vorgaben für die Analyse treten in einem Schritt zusätzliche Begriffe in das Modell ein, um die Modellhierarchie aufrechtzuerhalten. Einmal hinzugefügt, verlässt ein Begriff das Modell nie. Das standardmäßige Vorwärtsauswahlverfahren endet, wenn keiner der Kandidatenterme einen p-Wert hat, der kleiner als der in Alpha für Aufnahme angegebene Wert ist.

Bei der Rückwärtseliminierung enthält das Ausgangsmodell alle Kandidatenbegriffe. Für jeden Begriff im Modell berechnet Minitab Statistical Software eine Wald-Teststatistik und einen entsprechenden p-Wert. Wenn mindestens ein Term einen p-Wert hat, der größer ist als der in angegebene Alpha für Ausschluss Wert, verlässt der Term mit dem largeset p-Wert das Modell. Bei bestimmten Spezifikationen für die Analyse verlassen zusätzliche Begriffe das Modell in einem Schritt, um die Modellhierarchie aufrechtzuerhalten. Nach dem Entfernen gelangt ein Begriff nie wieder in das Modell. Das standardmäßige Rückwärtseliminationsverfahren endet, wenn keine der Variablen im Modell einen p-Wert hat, der größer als der in Alpha für Ausschluss angegebene Wert ist. Die Rückwärtselimination wird nicht begonnen, wenn das Anfangsmodell alle Freiheitsgrade verwendet.