Tabla de análisis de varianza para Ajuste el Modelo de Cox con Predictores Fijos solamente

El tipo de prueba en la tabla ANOVA depende de las especificaciones para el análisis. La interpretación de las estadísticas es la misma si el análisis utiliza la prueba de Wald, la prueba de relación de verosimilitud o la prueba de puntuación.

DF

Los grados de libertad (DF) proporcionan información acerca de la distribución de la estadística de prueba de xi cuadrada asociada. Los predictores continuos utilizan 1 grado de libertad. Los predictores categóricos utilizan grados de libertad iguales al número de niveles menos 1. Los términos de orden superior utilizan el producto de los grados de libertad para los términos del componente.

Chi-cuadrada

Cada término de la tabla ANOVA tiene un valor de chi-cuadrada. El valor de chi-cuadrada es el estadístico de prueba que determina si un término o modelo tiene asociación con la respuesta.

Interpretación

Minitab utiliza el estadístico de chi-cuadrada para calcular el valor p, que se usa para tomar una decisión acerca de la significancia estadística de los términos y el modelo. El valor p es una probabilidad que mide la evidencia en contra de la hipótesis nula. Las probabilidades más bajas proporcionan una evidencia más fuerte en contra de la hipótesis nula. Un estadístico de chi-cuadrada lo suficientemente grande da como resultado un valor p pequeño, lo que indica que el término o el modelo es estadísticamente significativo.

Valor p

El valor p es una probabilidad que mide la evidencia en contra de la hipótesis nula. Las probabilidades inferiores proporcionan mayor evidencia en contra de la hipótesis nula.

Interpretación

Para determinar si la asociación entre la respuesta y cada término en el modelo es estadísticamente significativa, compare el valor p del término con su nivel de significancia para evaluar la hipótesis nula. La hipótesis nula es que el coeficiente del término es igual a cero, lo que implica que no hay asociación entre el término y la respuesta. Por lo general, un nivel de significancia (denotado como α o alfa) de 0.05 funciona adecuadamente. Un nivel de significancia de 0.05 indica que existe un riesgo del 5% de concluir que existe una asociación cuando no hay una asociación real.

Bajo la hipótesis nula, la estadística de prueba para cada prueba tiene una distribución asíntota de xi cuadrada con grados de libertad que equivalen al número de coeficientes del modelo. La distribución asíntota es válida cuando el número de eventos observados es grande en comparación con el número de parámetros estimados. Para los predictores categóricos, el número de eventos en cada nivel debe ser lo suficientemente grande para que la distribución asíntota sea válida.

Valor p ≤ α: La asociación es estadísticamente significativa: Si el valor p es menor que o igual al nivel de significancia, es posible concluir que existe una asociación estadísticamente significativa entre la variable de respuesta y el término.
Valor p > α: La asociación no es estadísticamente significativa: Si el valor p es mayor que el nivel de significancia, no es posible concluir que existe una asociación estadísticamente significativa entre la variable de respuesta y el término. Le convendría reajustar el modelo sin el término.; Si existen múltiples predictores sin una asociación estadísticamente significativa con la respuesta, es posible reducir el modelo eliminando un término a la vez. Para obtener más información sobre cómo eliminar términos del modelo, vaya a Reducción del modelo.

Si un término del modelo es estadísticamente significativo, la interpretación depende del tipo de término. Las interpretaciones son las siguientes:

Si un factor aleatorio es significativo, es posible concluir que el factor tiene un efecto en el tiempo requerido para que ocurra el evento.
Si un término de interacción es significativo, la relación entre un factor y la respuesta depende del nivel del resto de los factores incluidos en el término. En este caso, los efectos principales no deben interpretarse sin considerar el efecto de interacción.
Si un predictor continuo es significativo, es posible concluir que los cambios en el valor del predictor están asociados a los cambios en el riesgo de que el sujeto experimente el evento.
Si un coeficiente de un término polinómico es significativo, es posible concluir que los datos contienen curvatura.

Análisis de Varianza

		Prueba de Wald
Fuente	GL	Chi-cuadrada	Valor p
Edad	1	1.78	0.182
Escenario	3	17.92	0.000

En estos resultados, el valor p para la etapa es significativa a un nivel α de 0.05. Por lo tanto, es posible concluir que la etapa del cáncer tiene un efecto estadísticamente significativo en la supervivencia del paciente. Sin embargo, el valor p para la edad es 0.182, por lo que el efecto de la edad no es significativo a un nivel α de 0.05.