고정 예측 변수만 있는 Cox 모형 적합 에 대해 표시할 결과 선택

통계분석 > 신뢰성/생존 분석 > Cox 회귀 분석 > 고정 예측 변수만 으로 콕스 모델에 적합 > 결과

결과 표시

단순 표: 모든 표의 단순한 버전을 표시합니다.
확장된 표: 해석: 계수에 대한 신뢰 구간

방법

분석에 대한 일부 설정을 요약하는 표를 표시합니다.

범주형 예측변수 정보

범주 형 예측 변수 및 해당 수준 표를 표시합니다.

관측 중단 정보

무수정 및 검열값 수를 표시하는 테이블을 표시합니다. 지층분석에는 각 계층에 대한 행과 합계행이 포함됩니다.

반복 정보

최적화 알고리즘의 각 반복 단계에서 로그 가능성을 표시합니다.

회귀 방정식

회귀 방정식을 표시합니다. Minitab은 최대 50개의 방정식을 표시합니다. 모형에 범주형 예측 변수가 포함되어 있는 경우 표시되는 방정식의 수를 제어할 수 있도록 드롭다운 리스트가 활성화됩니다.

각 범주형 예측 변수 수준의 집합에 대해 개별 방정식: 범주형 예측 변수의 각 조합에 대해 별도의 방정식을 표시합니다.
단일 방정식: 모든 범주형 예측 변수의 모든 수준을 포함하는 하나의 방정식을 표시합니다.

계수

계수, 계수의 표준 오차, t-값, p-값 및 VIF를 표시합니다. 모형에 범주형 예측 변수가 포함되어 있는 경우 표에 포함되는 범주형 예측 변수에 대한 계수의 수를 제어할 수 있도록 드롭다운 리스트가 활성화됩니다. 선택한 경우 확장된 표결과 표시테이블에 계수에 대한 신뢰도 간격도 표시됩니다.

기본 계수: 범주형 예측 변수의 모든 선형 독립 계수를 표시합니다.
전체 계수 집합: 최종, 선형 종속, 수준을 포함하여 범주형 예측 변수의 모든 수준에 대한 계수를 표시합니다.

상대적 위험

상대 위험 테이블을 표시합니다. 상대적 위험을 사용하여 생존 시간이 예측자의 서로 다른 값 간에 어떻게 변화하는지 결정합니다. Minitab은 연속 및 범주형 예측변수를 위한 별도의 테이블을 표시합니다.

모형 요약

편차 R², AIC(Akaike Information Criterion), 교정된 AICc(Akaike Information Criterion), BIC(Bayesian Information Criterion) 등 모형 적합치를 평가하는 통계량을 표시합니다.

적합도 검정

가능성 비율, Wald 및 점수 테스트 방법을 표시합니다. 예상 계수를 기반으로 분석을 수행하는 경우 견고한 분산-코바변 메서드가 클러스터 내에서 관찰의 독립이 필요하기 때문에 가능성 비율 테스트 결과가 값이 누락됩니다.

비례 위험 가정 테스트

비례 위험 테스트에서 Minitab에서 사용하는 변환을 표시합니다. 이벤트 시간의 스케일링된 Schoenfeld 잔류및 일부 함수 g(t) 사이의 선형 연결 테스트입니다. 로그 변환 를 사용하여 기능을 선택합니다.

ID 기능: 비례 위험 테스트에 원래 단위를 사용합니다. 함수를 지정하지 않으면 Minitab이 이 옵션을 사용합니다.
내추럴 로그 기능: 자연 로그 함수g(t) = ln(t)을 사용하여 비례 위험 테스트의 이벤트 시간을 변환합니다.
연결 함수: 랭크 함수g(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: 카플란 마이어의 생존 기능을 사용하여 비례 위험 검사를 위해 이벤트 시간을 변환합니다. 생존 추정치는 응답 시간을 기준으로 합니다.

분산 분석

각 예측변수에 대한 테스트 통계 및 p 값을 포함하는 ANOVA 테이블을 표시합니다.

생존 기능 테이블

생존 함수 값에 대한 이벤트 시간, 생존 함수 값 및 신뢰 간격을 표시합니다. Minitab은 연속 예측 변수에 대해 각 예측변수의 평균과 범주형 예측변수의 참조 수준을 사용합니다.

신뢰 구간에 로그 변환 사용: 생존 함수의 로그 변환을 기반으로 신뢰도 간격을 계산합니다. 기본 설정입니다.
신뢰 구간에 로그 로그 변환 사용: 생존 함수의 상호 보완적인 로그 로그 변환을 기반으로 신뢰 도수를 계산합니다. 신뢰 도면 간격이 0과 1에 가까우며 응용 프로그램에 더 많은 정밀도가 필요한 경우 이 변환을 고려하십시오.