Tabela Qualidade de ajuste Ajuste Modelo de Cox com Preditores Fixos apenas

O Minitab Statistical Software fornece 3 testes de bondade de ajuste: o teste global de Wald, o teste de proporção global de probabilidade e o teste de pontuação global. Se não houver tempos de evento empatados, então o teste de pontuação é idêntico ao conhecido teste de classificação de log. Em uma análise com clusters, minitab não fornece o teste de razão de probabilidade global porque este teste assume que as observações dentro dos clusters são independentes. A interpretação das estatísticas é a mesma para todos os 3 testes.

GL

Os graus de liberdade para os testes de bondade de ajuste são a soma dos graus de liberdade para os termos do modelo. seja pequeno e próximo do número de parâmetros no modelo.

Qui-quadrado

Cada teste de bondade de ajuste tem uma estatística qui-quadrado. O valor qui-quadrado é a estatística de teste que determina se um termo ou modelo tem uma associação com a resposta.

O Minitab usa a estatística de teste para calcular o valor-p, que é usado para a tomada de uma decisão sobre a significância estatística dos termos e do modelo. O valor-p é uma probabilidade que mede a evidência contra a hipótese nula. As probabilidades inferiores fornecem evidências mais fortes contra a hipótese nula. Uma estatística qui-quadrado suficientemente grande resulta em um pequeno valor-p, que indica que o termo ou modelo é estatisticamente significativo.

Valor-p

O valor-p é uma probabilidade que mede a evidência contra a hipótese nula. As probabilidades inferiores fornecem evidências mais fortes contra a hipótese nula.

Interpretação

Use testes de qualidade do ajuste para determinar se uma distribuição estatísticas se ajusta aos dados. Assim, o modelo não ajusta bem os dados. Geralmente, um nível de significância (denotado como α ou alfa) de 0,05 funciona bem. Um nível de significância de 0,05 indica um risco de 5% de se concluir que o coeficiente não é 0 quando, na verdade, ele é.

Sob a hipótese nula, a estatística de teste para cada teste tem uma distribuição assintomática do qui-quadrado com graus de liberdade iguais ao número de coeficientes no modelo. A distribuição assintotótica é válida quando o número de eventos observados é grande em comparação com o número de parâmetros estimados. Para preditores categóricos, o número de eventos em cada nível deve ser grande o suficiente para que a distribuição assintomática seja válida.

Valor-p ≤ α: O modelo ajusta razoavelmente bens os dados.: Se o valor-p for menor ou igual ao nível de significância, é possível concluir que a diferença entre os modelos é estatisticamente significativa. Você deve examinar se algum dos termos são estatisticamente significativos e também garantir que o modelo satisfaça a suposição de riscos proporcionais.
Valor-p > α: Não há evidências suficientes para concluir que o efeito é estatisticamente significativo.: Se o valor p for maior ou igual ao nível de significância, não é possível concluis que o modelo explica a variação na resposta. Talvez seja necessário reajustar o modelo sem o termo.