집계 공정 양식의 Cox 모형 적합 에 대한 방법 표

방법 표의 모든 통계량에 대한 정의 및 해석 방법을 확인해 보십시오.

이 항목의 내용

인식할 수 없는 모형 유형
범주형 예측 변수 코드화
타이 조정
분석을 위한 공변 행렬
계층화 변수
비례 위험 테스트에 대한 변환
사용되지 않는 행

인식할 수 없는 모형 유형

Minitab이 분석에 사용하는 Cox 회귀 모델의 유형을 표시합니다. Minitab은 두 가지 유형의 모델, 고정 예측 변수 전용 모델 및 계수 프로세스 양식 모델을 제공합니다. 시간 종속 반복 측정값 또는 시간 종속 예측 변수가 있는 경우 계산 프로세스 양식 모델을 사용해야 합니다.

범주형 예측 변수 코드화

Minitab에서는 모형에 범주형 변수를 포함하기 위해 (0, 1) 또는 (−1, 0, +1) 코드화 방법을 사용할 수 있습니다. 회귀 분석의 경우 (0, 1) 방법이 기본값이며 분산 분석 및 실험계획법의 경우 (−1, 0, +1) 방법이 기본값입니다. 두 가지 방법 중 어느 것을 선택해도 범주형 변수의 통계적 유의성은 변경되지 않습니다. 그러나 코드화 방법에 따라 계수 및 계수 해석 방법이 달라집니다.

해석

원하는 분석을 수행했는지 확인하려면 표시되는 코드화 방법을 확인하십시오. 다음과 같이 범주형 변수에 대한 계수를 해석하십시오.

(0, 1) 코딩 스키마를 사용하면, 범주형 레벨의 계수는 레벨이 있는 피사체가 참조 수준에서 개인에 비해 이벤트를 경험하는 위험의 logarithm을 나타낸다. 기준 수준에 대한 계수는 계수 표에 표시되지 않습니다.
(−1, 0,+1) 코딩 방식으로, 범주 적 수준의 계수는 레벨이있는 피사체가 다른 수준의 개인에 비해 이벤트를 경험하는 위험의 logarithm을 나타냅니다.

타이 조정

Minitab이 넥타이조정에 사용하는 방법을 표시합니다. 일반적으로 Efron 이 메서드는 응답 데이터에 많은 관계가 있을 때 Breslow 메서드보다 더 나은 추정을 제공합니다. 두 메서드는 응답 데이터에 관계가 없는 경우 동일한 추정을 생성합니다.

분석을 위한 공변 행렬

Minitab은 강력한 공변성 행렬¹. 해석의 모든 테스트 및 신뢰 구간은 강력한 공변 성 행렬을 사용합니다. 분석에서 모델 분산-코바종 매트릭스를 사용하는 경우 Minitab은 메서드 테이블에 아무 것도 표시되지 않습니다.

계층화 변수

분석에서 Minitab에서 사용하는 계층화 변수를 표시합니다. 계층화된 모델은 각 지층의 기준 위험률을 추정하지만 예측 변수의 영향에 대해 동일한 추정값을 사용합니다. 최대 31개의 변수를 지정할 수 있습니다.

비례 위험 테스트에 대한 변환

비례 위험 테스트에서 Minitab에서 사용하는 변환을 표시합니다. 이벤트 시간의 스케일링된 Schoenfeld 잔류및 일부 함수 g(t) 사이의 선형 연결 테스트입니다. Minitab에서는 항등 함수가 아닌 다른 것을 선택하는 경우에만 변환을 표시합니다.

내추럴 로그 기능: 이 분석은 자연 로그 함수g(t) = ln(t)을 사용하여 비례 위험 테스트의 이벤트 시간을 변환합니다.
연결 함수: 분석은 계급 함수, g(t) = 랭크(t)를 사용하여 비례 위험 테스트의 이벤트 시간을 변환합니다. 순위 함수는 이벤트 시간의 순위를 기반으로 합니다. 같은 값에는 평균 순위가 할당됩니다.
Kaplan-Meier 생존 함수: 이 분석은 카플란 마이어의 생존 기능을 사용하여 비례 위험 시험을 위한 이벤트 시간을 변환합니다. 생존 추정치는 응답 시간을 기준으로 합니다.

사용되지 않는 행

Minitab이 분석에서 제외한 행 수를 표시합니다. 해석이 모든 행을 사용하는 경우 메서드 테이블에 이 행이 표시되지 않습니다. Minitab은 누락된 값이 있거나 응답 시간이 양수적이지 않은 경우 분석에서 행을 제외합니다. 이 제외는 데이터 형식에 종속되지 않습니다. 입력 시간이 종료 시간보다 크면 오류가 발생하면 분석이 실행되지 않습니다.

¹ Lin, D.Y., and Wei, L.J.사용하여 분석을 수행하도록 선택한 경우 테이블에 이 행을 표시합니다. (1989). The robust inference for the Cox Proportional hazards model. Journal of the American Statistical Association, 84: 1074-1078