Test | DL | Khi deux | Valeur de p |
---|---|---|---|
Rapport de vraisemblance | 4 | 29,39 | 0,000 |
Wald | 4 | 32,47 | 0,000 |
Score | 4 | 35,22 | 0,000 |
Dans ces résultats, les valeurs de p pour les 3 tests sont inférieures à 0,05, vous pouvez donc conclure que le modèle correspond bien aux données.
Test de Wald | |||
---|---|---|---|
Source | DL | Khi deux | Valeur de p |
Catégorie de risque | 2 | 9,77 | 0,008 |
Plaquettes normales | 1 | 9,13 | 0,003 |
Stade de la maladie | 1 | 6,41 | 0,011 |
Dans ces résultats, la valeur de p Catégorie de risque est significative à un niveau de 0,05. Par conséquent, vous pouvez conclure que le Catégorie de risque a un effet statistiquement significatif sur le fait que le patient est exempt de maladie. Vous pouvez tirer la même conclusion à propos de Plaquettes normales et Stade de la maladie.
Dans le tableau Risques relatifs pour les prédicteurs catégoriels, Minitab étiquette deux niveaux de la variable catégorielle comme étant le niveau A et le niveau B. Le risque relatif décrit le taux d’occurrence de l’événement pour le niveau A par rapport au niveau B. Par exemple, dans les résultats suivants, le risque de subir l’événement pour les patients avec un Risque élevé for Stade de la maladie est 2 fois plus élevé que pour les patients avec un Stade de la maladie de Normal.
Vous pouvez utiliser l’intervalle de confiance pour déterminer si le risque relatif est statistiquement significatif. Habituellement, si l’intervalle de confiance contient 1, vous ne pouvez pas conclure que le risque relatif est statistiquement significatif.
Niveau A | Niveau B | Risque relatif | IC à 95 % |
---|---|---|---|
Catégorie de risque | |||
2 | 1 | 0,4524 | (0,2409; 0,8495) |
3 | 1 | 0,9673 | (0,5116; 1,8290) |
3 | 2 | 2,1383 | (1,2487; 3,6616) |
Plaquettes normales | |||
Oui | Non | 0,3666 | (0,1912; 0,7029) |
Stade de la maladie | |||
Normal | Risque élevé | 0,4986 | (0,2909; 0,8547) |
Utilisez les tests pour déterminer si le modèle répond à l’hypothèse des dangers proportionnels. L’hypothèse nulle est que le modèle répond à l’hypothèse pour tous les prédicteurs. En général, un seuil de signification (noté alpha ou α) de 0,05 fonctionne bien. Un seuil de signification de 0,05 indique 5 % de risques de conclure à tort que le modèle explique la variation dans la réponse.
Si la valeur de p est inférieure ou égale au seuil de signification, vous pouvez en conclure que le modèle ne rend pas correctement compte de la relation. Si la valeur de p est supérieure au seuil de signification, vous ne pouvez pas conclure que le modèle explique la variation dans la réponse.
Utilisez le diagramme d’Andersen pour déterminer si le modèle répond à l’hypothèse des risques proportionnels pour différentes strates. Chaque combinaison de valeurs d’une ou plusieurs variables de stratification définit une strate. Le graphique contient une courbe pour chaque strate. Si le modèle répond à l’hypothèse, les courbes sont des lignes droites passant par le point où X = 0 et Y = 0. Si le taux de danger de référence pour une strate est le même que le taux de danger de référence pour la strate sur l’axe des x, la courbe suit la ligne de référence de 45 degrés sur le graphique.
Si le modèle ne répond pas à l’hypothèse, demandez-vous s’il faut diviser les données par la variable de stratification pour laquelle le modèle ne répond pas à l’hypothèse des risques proportionnels. Effectuez ensuite une analyse distincte sur chaque sous-ensemble de données. Les analyses distinctes fournissent des effets différents pour les prédicteurs de chaque sous-ensemble.
Terme | DL | Corrélation | Khi deux | Valeur de p |
---|---|---|---|---|
Catégorie de risque | ||||
2 | 1 | 0,0757 | 0,54 | 0,464 |
3 | 1 | -0,1160 | 1,08 | 0,300 |
Plaquettes normales | ||||
Oui | 1 | 0,0296 | 0,09 | 0,769 |
Stade de la maladie | ||||
Normal | 1 | -0,1205 | 1,30 | 0,255 |
Global | 4 | — | 5,42 | 0,247 |
Dans ces résultats, les valeurs de p pour l’essai pour les dangers proportionnels sont toutes supérieures à 0,05, de sorte que vous ne pouvez pas conclure que le modèle ne répond pas à l’hypothèse des dangers proportionnels.