Tableau Analyse de la variance pour la fonction Ajuster le modèle de Cox sous forme de processus de comptage

Le type de test dans le tableau ANOVA dépend des spécifications de l’analyse. L’interprétation des statistiques est la même, que l’analyse utilise le test de Wald, le test du rapport de vraisemblance ou le test de score.

DL

Les degrés de liberté (DF) donnent des informations sur la distribution de la statistique de test du chi carré associée. Les prédicteurs continus utilisent 1 degré de liberté. Les prédicteurs catégoriels utilisent des degrés de liberté égaux au nombre de niveaux moins 1. Les termes d’ordre supérieur utilisent le produit des degrés de liberté pour les termes composants.

Khi deux

Chaque terme du tableau ANOVA a une valeur de Khi deux. La valeur de Khi deux est la statistique de test qui détermine si un terme ou un modèle est associé avec la réponse.

Interprétation

Minitab utilise la statistique de Khi deux pour calculer la valeur de p, qui vous permet de déterminer si des termes sont significatifs et de choisir le modèle approprié. La valeur de p est la probabilité qui mesure le degré de certitude avec lequel il est possible d'invalider l'hypothèse nulle. Des probabilités faibles permettent d'invalider l'hypothèse nulle avec plus de certitude. Une statistique de Khi deux suffisamment élevée engendre une petite valeur de p, indiquant que le terme ou le modèle est statistiquement significatif.

Valeur de P

La valeur de p est la probabilité qui mesure le degré de certitude avec lequel il est possible d'invalider l'hypothèse nulle. Des probabilités faibles permettent d'invalider l'hypothèse nulle avec plus de certitude.

Interprétation

Pour déterminer si l'association entre la réponse et chacun des termes du modèle est statistiquement significative, comparez la valeur de p du terme à votre seuil de signification pour évaluer l'hypothèse nulle. L'hypothèse nulle est que le coefficient du terme est égal à zéro, ce qui implique qu'il n'existe aucune association entre le terme et la réponse. En général, un seuil de signification (noté alpha ou α) de 0,05 fonctionne bien. Un seuil de signification de 0,05 indique un risque de 5% de conclure à tort qu'il existe une association.

Dans l’hypothèse nulle, la statistique de test pour chaque test a une distribution asymptotique du chi carré avec des degrés de liberté égaux au nombre de coefficients dans le modèle. La distribution asymptotique est valide lorsque le nombre d’événements observés est important par rapport au nombre de paramètres estimés. Pour les prédicteurs catégoriels, le nombre d’événements dans chaque niveau doit être suffisamment important pour que la distribution asymptotique soit valide.

Valeur de p ≤ α : l'association est statistiquement significative: Si la valeur de p est inférieure ou égale au seuil de signification, vous pouvez conclure qu'il existe une association statistiquement significative entre la variable de réponse et le terme.
Valeur de p > α : l'association n'est pas statistiquement significative: Si la valeur de p est supérieure au seuil de signification, vous ne pouvez pas conclure qu'il existe une association statistiquement significative entre la variable de réponse et le terme. Il est sans doute nécessaire de réajuster le modèle sans le terme.; Si plusieurs prédicteurs ne présentent aucune association statistiquement significative avec la réponse, vous pouvez réduire le modèle en supprimant ces termes un par un. Pour plus d'informations sur la suppression de termes d'un modèle, reportez-vous à la rubrique Réduction du modèle.

Si un terme d'un modèle est statistiquement significatif, l'interprétation dépend du type de terme concerné. Les interprétations sont les suivantes :

Si un facteur aléatoire est significatif, vous pouvez en conclure qu'il contribue à la variation dans la réponse.
Si un terme d'interaction est significatif, la relation entre l'un des facteurs et la réponse dépend des autres facteurs du terme. Dans ce cas, vous ne devez pas interpréter les effets principaux sans prendre en compte l'effet d'interaction.
Si une covariable est statistiquement significative, vous pouvez en conclure qu'une variation de la valeur de la covariable entraîne une variation de la valeur de réponse moyenne.
Si un coefficient d'un terme polynomial est significatif, vous pouvez en conclure que les données contiennent une courbure.

Analyse de la variance

		Test de Wald
Source	DL	Khi deux	Valeur de p
Âge	1	1,78	0,182
Scène	3	17,92	0,000

Dans ces résultats, la valeur de p est de 0,340, ce qui est supérieur au seuil de signification de 0,05. Par conséquent, vous pouvez conclure que le stade du cancer a un effet statistiquement significatif sur la survie du patient. Cependant, la valeur de p pour l’âge est de 0,182, de sorte que l’effet de l’âge n’est pas significatif à un niveau de α de 0,05.