Befolgen Sie beim Erfassen von Daten, Durchführen der Analyse und Interpretieren der Ergebnisse die folgenden Richtlinien, um sicherzustellen, dass die Ergebnisse gültig sind.
- Die Antwortvariable sollte stetig sein
- Stetige Daten sind Messwerte, die potenziell einen beliebigen Wert innerhalb eines Wertebereichs auf einer stetigen Skala annehmen können; dazu gehören auch Brüche und Dezimalzahlen.
- Bei den Daten der Antwortvariablen handelt es sich häufig um Ausfallzeiten
- Zum Erfassen von Daten messen Sie im Allgemeinen den Zeitraum bis zum Ausfall einer Einheit, wenn dieser unterschiedlichen Bedingungen unterliegt, die durch eine oder mehrere Variablen und/oder Faktoren angegeben werden. Sie können beispielsweise die Zeit bis zum Ausfall für eine Einheit messen, die bei verschiedenen Temperaturen betrieben wird.
- Wenn die Antwortdaten eines Probanden durch ein Zeitintervall gekennzeichnet sind, in dem das Subjekt gefährdet ist, verwenden Sie Cox-Modell in
einem Zählprozessformular
anpassen.
- Die Ausfallzeiten müssen unabhängig sein
- Die Ausfallzeit einer Einheit darf die Ausfallzeit einer anderen Einheit nicht beeinflussen. Bei voneinander abhängigen Ausfallzeiten sind die Ergebnisse möglicherweise nicht genau. Die Zeiträume zwischen den Ausfällen eines reparierbaren Systems sind beispielsweise häufig nicht unabhängig. Wenn Sie Daten haben, bei denen das Subjekt das Ereignis von Interesse mehrmals erleben kann, wie ein reparierbares System, verwenden Sie Cox-Modell in
einem Zählprozessformular
anpassen.
- Die Prädiktorvariablen sollten quantitativ sein
- Ein Prädiktor ist fixiert, wenn Sie seinen Wert zu Beginn der Studie kennen und er sich während des Studienzeitraums nicht ändert. Zum Beispiel ist der Geburtsort eines Subjekts ein fester Prädiktor.
- Zensierte Daten müssen berücksichtigt werden
-
Da die Antwortdaten von der Zeit bis zum Ereignis sind, unterliegen sie der Zensur und Kürzung. Für Cox-Regressionsmodelle ist die häufigste Form der Zensur die Rechtszensierung, und die häufigste Form der Kürzung ist die Linkskürzung. Sie können eine Spalte angeben, um anzugeben, welche Antwortzeiten zensiert und unzensiert sind.
- Rechtszensiert: Eine Reaktionszeit des Probanden wird richtig zensiert, wenn der Prozehnt das interessierende Ereignis vor dem Ende der Studie nicht erlebt oder wenn der Prozehnt aus der Studie entfernt wird, bevor er das Ereignis erlebt. Eine zensierte Beobachtung tritt beispielsweise auf, wenn eine Einheit nach dem Testzeitraum funktioniert oder wenn ein Subjekt in eine neue Stadt umzieht und sich aus einer Studie zurückzieht.
- Linkskürzung oder Verzögerung von Einträgen: Eine linke Kürzung tritt auf, wenn Sie ein Subjekt zu Beginn der Studie nicht beobachten. Stattdessen beziehen Sie sie später in die Studie ein, wenn ein Zwischenereignis eintritt. Der Zeitpunkt, zu dem der Probanden in die Studie eintritt, wird als Eintrittszeit oder Kürzungszeit bezeichnet. Zum Beispiel nehmen Sie Patienten nicht auf eine Warteliste für eine Organtransplantation auf, bis ein Organ für die Transplantation verfügbar ist.
- Probanden mit verschiedenen Behandlungen erleben das Ereignis mit proportionalen Raten
- Für das Cox-Regressionsmodell müssen Sie keine parametrische Verteilung für die Antwortdaten angeben. Das Modell geht jedoch davon aus, dass Personen in zwei verschiedenen Behandlungen proportionale Gefahren oder Risiken haben, um das Ereignis zu erleben. Die proportionale Gefahrenannahme bietet eine einfache Interpretation der Regressionskoeffizienten in Form von Hazard Ratios oder relativen Risiken. Wenn die proportionale Gefahrenannahme nicht zuhält, kann die Relative-Risiko-Tabelle zu falschen Schlussfolgerungen führen. Verwenden Sie die Tabelle "Tests für proportionale Gefahren", das Andersen-Diagramm und das Arjas-Diagramm, um diese Annahme zu überprüfen.
- Das Modell muss den vollen Rang aufweisen.
- Ein Modell weist den vollen Rang auf, wenn es eine ausreichende Menge von Daten enthält, um alle Terme im Modell schätzen zu können. Fehlende Daten, unzureichende Daten oder hohe Kollinearität können verhindern, dass ein Modell den vollen Rang aufweist. Wenn das Modell nicht den vollen Rang aufweist, gibt Minitab beim Durchführen der Analyse eine Warnmeldung aus. Dieses Problem kann häufig behoben werden, indem unwichtige Wechselwirkungen höherer Ordnung aus dem Modell entfernt werden.
