適合度検定表 固定予測変数のみでCoxモデルを適合

Minitab統計ソフトウェアは、グローバルWald検定、グローバル尤度比検定、グローバルスコアテストの3つの適合度検定を提供します。イベント時間が結ばれない場合、スコアテストは既知のログランクテストと同じです。クラスタを使用した解析では、この検定ではクラスター内の観測値が独立していると仮定するため、グローバル尤度比検定は行われません。統計の解釈は、3つのテストすべてで同じです。

自由度

適合度検定の自由度は、モデル内の項の自由度の合計です。この合計は、モデル内のパラメータの数と等しくなります。

カイ二乗

適合度検定のそれぞれは、カイ二乗統計量を有する。カイ二乗値は、項またはモデルに応答との関連があるかどうかを判断する検定統計量です。

Minitabではカイ二乗統計量を使用してp値を計算し、この値に基づいて、項およびモデルの統計的有意性を判断します。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。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

適合度検定を使用して、統計的分布がデータに適合するかどうかを判断します。モデルがデータに十分に適合していることが帰無仮説となります。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、実際には係数は0であるにも関わらず、0ではないと結論付けるリスクが5%であることを示しています。

帰無仮説では、検定の検定統計量は、モデル内の係数の数と等しい自由度を持つ漸近カイ二乗分布を持ちます。漸近分布は、観測された事象の数が推定パラメータの数と比較して大きい場合に有効です。カテゴリ予測変数の場合、各レベルのイベント数は、漸近分布が有効となるのに十分な大きさである必要があります。
p値 ≤ α:モデルは、データに適切に適合しています。
p値が有意水準以下の場合、モデル間に統計的に有意な差があると結論付けることができます。いずれかの項が統計的に有意であるかどうかを調べ、また、モデルが比例ハザードの仮定を満たしていることを確認する必要があります。
p値 > α:効果は統計的に有意であると結論付けるのに十分な証拠はありません。
p値が有意水準より大きい場合は、条件が異なることによって応答が変化すると結論付けることはできません。項を持たないモデルを再適合したいと考えるかもしれません。