결과가 유효한지 확인하려면 데이터를 수집하고 분석을 수행하며 결과를 해석할 때 다음 지침을 고려하십시오.
반응 변수가 계량형이어야 함
계량형 데이터는 분수 또는 소수 값을 포함하여 연속 척도를 따라 값의 범위에 포함되는 숫자 값입니다.
응답 데이터는 단일 이벤트 시간 또는 여러 이벤트 시간일 수 있습니다.
데이터를 수집하려면 일반적으로 이벤트까지 의 시간을 측정합니다. 계산 프로세스 양식의 경우 주제가 스터디에 들어가는 시간도 지정해야 합니다. 예를 들어, 대상체는 7, 11, 15 및 27 개월의 피부암 의 형태를 연구합니다. 그 후, 주제는 6 개월 동안 암무료이었다. 매번 간격 연구원은 치료 그룹의 고정 예측 변수를 기록하고, 그들은 대상의 호르몬 수준의 시간 종속 예측변수를 기록합니다.
여러 이벤트를 설명하는 데이터도 사용할 수 있습니다. 예를 들어, 자동차는 고장나고 수리한 후 다시 운행한 다음 다시 고장나며 이런 식으로 계속됩니다. 데이터 값은 수리 시간을 고려하지 않고 각 고장 시간을 나타냅니다.
데이터는 입력의 계수 프로세스 스타일에 있어야 합니다.
계산 프로세스 입력 양식에서 여러 행은 각 주체를 나타냅니다. 각 행은 모든 변수의 값이 일정한 시간 간격을 설명합니다. 시간 종속 예측 변수는 행 간에 변경됩니다. 간격은 시작 시간 직후에 시작되고 종료 시간을 포함합니다. 예측 변수를 고정하거나 시간에 따라 달라질 수 있습니다. 자세한 내용은 집계 공정 양식의 Cox 모형 적합에 대한 데이터 입력(으)로 이동하십시오.
관측 중단 데이터를 설명해야 함
응답 데이터는 이벤트 시간이므로 검열 및 잘림의 대상이 됩니다. Cox 회귀 모델의 경우 가장 일반적인 검열 형태는 오른쪽 검열이며 가장 일반적인 형태의 절단은 왼쪽 잘림입니다. 검열및 무수정 응답 시간을 나타내는 열을 지정할 수 있습니다.
우측 관측 중단 주제 응답 시간은 주제가 연구가 끝나기 전에 관심있는 이벤트를 경험하지 못하거나 주제를 경험하기 전에 연구에서 제거된 경우 올바른 검열입니다. 예를 들어 테스트 단위는 테스트 기간 후에도 계속 작동하거나 피사체가 죽음 이외의 이유로 연구에서 일찍 철회될 수 있습니다.
왼쪽 잘림 또는 지연 항목: 왼쪽 잘림은 연구 시작 시 피사체를 관찰하지 않을 때 발생합니다. 대신 중간 이벤트가 발생할 때 나중에 스터디에 포함됩니다. 피험자가 연구에 들어가는 시간을 입력 시간 또는 잘림 시간으로 알려져 있습니다. 예를 들어 장기이식을 사용할 수 있을 때까지 장기 이식 대기 자 명단에 환자를 포함하지 않습니다.
다른 치료에 대한 과목은 비례 비율로 이벤트를 경험
Cox 회귀 모델은 응답 데이터에 대한 파라메트릭 분포를 지정할 필요가 없습니다. 그러나, 모형은 2개의 다른 처리에 있는 개별이 사건을 경험하기 위하여 비례위험 또는 리스크가 있다는 것을 가정합니다. 비례 위험 가정은 위험 비율 또는 상대적 위험 측면에서 회귀 계수에 대한 간단한 해석을 제공합니다. 비례 위험 가정이 유지되지 않으면 상대 위험 테이블이 잘못된 결론을 내릴 수 있습니다. 비례 위험 테이블, 앤더슨 플롯 및 Arjas 플롯에 대한 테스트를 사용하여 이 가정을 확인합니다.
모형은 완전 계수여야 합니다.
완전 계수 모형에는 모형의 모든 항을 추정하기에 충분한 데이터가 포함됩니다. 결측 데이터, 데이터 부족 또는 높은 공선성이 있으면 모형이 완전 계수가 되지 못할 수 있습니다. 모형이 완전 계수가 아니면 분석을 수행할 때 경고가 표시됩니다. 일반적으로 중요하지 않은 고차 교호작용을 모형에서 제거하여 이 문제를 해결할 수 있습니다.
