Test | DL | Khi deux | Valeur de p |
---|---|---|---|
Rapport de vraisemblance | 4 | 18,31 | 0,001 |
Wald | 4 | 21,15 | 0,000 |
Score | 4 | 24,78 | 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 |
Âge | 1 | 1,78 | 0,182 |
Scène | 3 | 17,92 | 0,000 |
Dans ces résultats, la valeur p pour le stade est significative à un niveau 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.
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 au stade IV est 5,5 fois plus élevé que le risque pour les patients au stade I.
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.
Incrément | Risque relatif | IC à 95 % | |
---|---|---|---|
Âge | 1 | 1,0192 | (0,9911; 1,0481) |
Niveau A | Niveau B | Risque relatif | IC à 95 % |
---|---|---|---|
Scène | |||
II | I | 1,1503 | (0,4647; 2,8477) |
III | I | 1,9010 | (0,9459; 3,8204) |
IV | I | 5,5068 | (2,4086; 12,5901) |
III | II | 1,6526 | (0,6819; 4,0049) |
IV | II | 4,7872 | (1,7825; 12,8566) |
IV | III | 2,8968 | (1,2952; 6,4788) |
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’Arjas pour déterminer si le modèle répond à l’hypothèse des dangers proportionnels pour un prédicteur catégorique. Si les courbes du diagramme diffèrent de la ligne de 45 degrés, le modèle ne répond pas à l’hypothèse des dangers proportionnels pour le prédicteur.
Si le modèle ne répond pas à l’hypothèse d’une variable, essayez plutôt d’utiliser la variable comme variable de stratification.
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 |
---|---|---|---|---|
Âge | 1 | 0,1328 | 1,18 | 0,278 |
Scène | ||||
II | 1 | -0,0104 | 0,01 | 0,940 |
III | 1 | -0,2445 | 2,86 | 0,091 |
IV | 1 | -0,1193 | 0,63 | 0,426 |
Global | 4 | — | 4,61 | 0,330 |
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.
Le diagramme d’Arjas affiche les taux de danger cumulatifs par rapport au nombre d’événements pour chaque niveau de Scène. Dans ce diagramme d’Arjas, les lignes suivent généralement la ligne de 45 degrés, de sorte que vous pouvez conclure que le modèle répond à l’hypothèse des dangers proportionnels pour le prédicteur Scène.