Tabla de pruebas para detectar riesgos proporcionales para Ajuste el Modelo de Cox con Predictores Fijos solamente

Búsqueda de definiciones e interpretaciones para todas las estadísticas de la tabla de pruebas para detectar riesgos proporcionales.

En este tema

DF
Correlación
Xi cuadrada
Valor p

La nota al pie de la tabla identifica la transformación de los tiempos del evento para la prueba. Considere si desea probar transformaciones adicionales para su análisis, en especial si los gráficos residuales muestran valores atípicos en los datos.

DF

Cada coeficiente del modelo utiliza 1 grado de libertad. Los grados de libertad para la prueba general para detectar riesgos proporcionales son iguales a la suma de los grados de libertad de los coeficientes del modelo.

Correlación

La correlación mide la fuerza de la asociación lineal entre los residuos escalados de Schoenfeld para un coeficiente y la función de los tiempos del evento para la prueba. Las correlaciones más grandes indican más evidencia contra la hipótesis de riesgos proporcionales. Utilice el valor p para interpretar la prueba formalmente con respecto a la incertidumbre en los datos.

Xi cuadrada

Cada término de la tabla ANOVA tiene un valor de xi cuadrada. La prueba general también tiene un valor de xi cuadrada. El valor de xi cuadrada es la estadística de prueba que evalúa la hipótesis de riesgos proporcionales. Una estadística de xi cuadrada lo suficientemente grande da como resultado un valor p pequeño, lo cual indica una violación de la hipótesis de riesgos proporcionales.

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 para determinar si el modelo cumple con la hipótesis de riesgos proporcionales. La hipótesis nula es que el modelo cumple con la hipótesis para todos los predictores. 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 riesgo de 5% de concluir que el modelo explica la hipótesis cuando en realidad no es así.

Prueba general: La hipótesis nula es que el efecto de todos los términos del modelo cumplen la hipótesis de riesgos proporcionales. Si el valor p es menor que su nivel de significancia, entonces existe evidencia estadística de que al menos un término viola la hipótesis de riesgos proporcionales. Examine las pruebas de los términos individuales para determinar qué términos son responsables de la violación.
Prueba para un término: La hipótesis nula es que el efecto del término cumple la hipótesis de riesgos proporcionales. Si el valor p es mayor que el nivel de significancia, entonces es posible concluir que existe evidencia estadística de que el término viola la hipótesis de riesgos proporcionales. Si la prueba identifica una violación, considere la posibilidad almacenar los residuos escalados de Schoenfeld para generar una gráfica en comparación con los tiempos del evento y los tiempos transformados del evento. Utilice gráficas de los residuos escalados de Schoenfeld para identificar causas de la no proporcionalidad, como un efecto decreciente o creciente. En algunos casos, la no proporcionalidad desaparece a través de la adición de términos de interacción o el uso de términos para formar estratos.