Tabla de pruebas de bondad de ajuste para Ajuste el Modelo de Cox con Predictores Fijos solamente

Minitab Statistical Software proporciona 3 pruebas de bondad de ajuste: la prueba global de Wald, la prueba global de relación de verosimilitud y la prueba global de puntuación. Si no existen tiempos de evento empatados, entonces la prueba de puntuación es idéntica a la bien conocida prueba de rangos logarítmicos. En un análisis con conglomerados, Minitab no proporciona la prueba global de relación de verosimilitud porque esta prueba asume que las observaciones al interior de los conglomerados son independientes. La interpretación de las estadísticas es igual para las 3 pruebas.

DF

Los grados de libertad para las pruebas de bondad de ajuste son la suma de los grados de libertad para los términos del modelo. Esta suma equivale al número de parámetros incluidos en el modelo.

Xi cuadrada

Cada prueba de bondad de ajuste tiene una estadística de xi cuadrada. El valor de xi cuadrada es la estadística de prueba que determina si el modelo está asociado a la respuesta.

Minitab utiliza la estadística de xi cuadrada para calcular el valor p, que se utiliza 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. Una estadística de xi cuadrada más grande da como resultado un valor p pequeño, el cual indica que el modelo se ajusta a los datos.

Valor p

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.

Interpretación

Utilice las pruebas de bondad de ajuste para determinar si el modelo se ajusta a sus datos. La hipótesis nula indica que el modelo no se ajusta adecuadamente a los datos. 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 un 5% de riesgo de concluir que el modelo se ajusta adecuadamente a los datos cuando en realidad no es así.

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: El modelo se ajusta adecuadamente a los datos.
Si el valor p es menor o igual al nivel de significancia, es posible concluir que el modelo se ajusta adecuadamente a los datos. Es necesario examinar si alguno de los términos es estadísticamente significativo y también garantizar que el modelo satisfaga la hipótesis de riesgos proporcionales.
Valor p > α: No existe suficiente evidencia para concluir que el modelo se ajusta adecuadamente a los datos.
Si el valor p es mayor que el nivel de significancia, no es posible concluir que el modelo se ajusta adecuadamente a los datos. Sería conveniente reajustar el modelo con términos diferentes.