고정 예측 변수만 있는 Cox 모형 적합 적합도 검정 표

Minitab 통계 소프트웨어는 글로벌 Wald 테스트, 글로벌 가능성 비율 테스트 및 글로벌 점수 테스트의 3가지 적합성 테스트를 제공합니다. 묶인 이벤트 시간이 없는 경우 점수 테스트는 잘 알려진 로그 랭크 테스트와 동일합니다. 클러스터가 있는 분석에서 Minitab은 클러스터 내의 관측이 독립적이라고 가정하기 때문에 전역 가능성 비율 테스트를 제공하지 않습니다. 통계의 해석은 모든 3 개의 테스트에 대해 동일합니다.

이 항목의 내용

DF
카이-제곱 분포
P-값

DF

적합도 테스트에 대한 자유의 정도는 모델의 용어에 대한 자유도의 합계입니다. 이 합계는 모델의 매개 변수 수와 같습니다.

카이-제곱 분포

각 적합성 테스트에는 치 스퀘어 통계가 있습니다. 카이-제곱 값은 항 또는 모형이 반응과 관계가 있는지 결정하는 검정 통계량입니다.

Minitab에서는 카이-제곱 통계량을 사용하여 항과 모형의 통계적 유의성에 대한 결정을 내릴 때 사용하는 p-값을 계산합니다. p-값은 귀무 가설에 반하는 증거를 측정하는 확률입니다. p-값이 작을수록 귀무 가설에 반하는 더 강력한 증거가 됩니다. 카이-제곱 통계량이 충분히 크면 p-값이 작은 결과로 이어지며, 이는 항이나 모형이 통계적으로 유의함을 나타냅니다.

P-값

p-값은 귀무 가설에 반하는 증거를 측정하는 확률입니다. p-값이 작을수록 귀무 가설에 반하는 더 강력한 증거가 됩니다.

해석

적합도 검정을 사용하여 특정 통계 분포가 데이터에 적합한지 확인할 수 있습니다. 귀무 가설은 모형이 데이터를 적절하게 적합시킨다는 것을 나타냅니다. 일반적으로 0.05의 유의 수준(α 또는 알파로 표시됨)이 적절합니다. 0.05의 유의 수준은 계수가 0이 아닌데 0이라는 결론을 내릴 위험이 5%라는 것을 나타냅니다.

null 가설에 따라 각 테스트의 테스트 통계는 모델의 계수 수와 동일한 자유도를 가진 음경 치 스퀘어 분포를 가지고 있습니다. 예상 매개 변수 수에 비해 관찰된 이벤트 수가 클 때 비약 분포가 유효합니다. 범주형 예측변수의 경우 각 레벨의 이벤트 수가 확장 분포가 유효할 만큼 충분히 커야 합니다.

P-값 ≤ α: 모형이 데이터를 적절히 적합해야 함: p-값이 유의 수준보다 작거나 같으면 모형 간의 차이가 통계적으로 유의하다는 결론을 내릴 수 있습니다. 용어중 어느 것이 통계적으로 유의하고 모델이 비례 위험 가정을 준수하는지 확인해야 합니다.
P-값 > α: 효과가 통계적으로 유의하다는 결론을 내릴 수 있는 충분한 증거가 없습니다.: p-값이 유의 수준보다 크면 서로 다른 조건에 따라 반응이 달라진다는 결론을 내릴 수 없습니다. 항 없이 모형을 다시 적합시킬 수도 있습니다.