比例ハザードテーブルの検定 計測プロセスフォームでのCoxモデルの適合

適合値と診断の表の統計量の定義と解釈について解説します。

表の脚注は、テストのイベント時間の変換を示します。特に残差プロットにデータ内の外れ値が表示される場合は、分析に追加の変換を試すかどうかを検討します。

自由度

モデル内の各係数は、1 度の自由度を使用します。比例ハザードの全体検定の自由度は、モデルの係数の自由度の合計と等しくなります。

相関

相関は、係数のスケーリングされたシェーンフェルト残差と検定のイベント時間の関数との間の線形関連の強さを測定します。相関が大きいほど、比例ハザードの仮定に対する証拠が多くなります。p値を使用して、データの不確実性に関して検定を正式に解釈します。

カイ二乗

分散分析表の各項にはカイ二乗値があります。全体の検定にもカイ二乗値があります。カイ二乗値は、比例ハザード仮定を評価する検定統計量です。カイ二乗統計量が十分に大きいとp値は小さくなり、項またはモデルが統計的に有意であることを示します。

p値

p値は帰無仮説を棄却するための証拠を測定する確率です。確率が低いほど、帰無仮説を棄却する強力な証拠となります。

解釈

検定を使用して、モデルが比例ハザードの仮定を満たしているかどうかを判断します。帰無仮説は、モデルがすべての予測変数の仮定を満たしていることです。通常、0.05の有意水準(αまたはアルファとも呼ばれる)が有効に機能します。0.05の有意水準は、実際にはモデルによって応答の変動は説明できないにも関わらず、説明できると結論付ける可能性が5%であることを示しています。

全体のF検定
帰無仮説は、モデル内のすべての項の効果が比例ハザードの仮定を満たしていることです。p値が有意水準より小さい場合、少なくとも1つの項が比例ハザードの仮定に違反しているという統計的証拠があります。個々の用語のテストを調べて、違反の原因となる用語を特定します。
用語のテスト
帰無仮説は、項の効果が比例ハザードの仮定を満たしていることです。p値が有意水準より大きい場合は、統計的に有意な関連性は存在しないと結論付け、解釈を終了できます。テストで違反が識別される場合は、スケーリングされたシェーンフェルト残差を保存して、イベント時間と変換イベント時間に対してプロットすることを検討してください。スケールされたシェーンフェルト残差のプロットを使用して、効果の減少や増加などの非比例の原因を特定します。場合によっては、非比例性は、相互作用項の追加または地層を形成するための用語の使用によって消失する。