Tabela de métodos para Ajuste Modelo de Cox com Preditores Fixos apenas

Encontre definições e orientações de interpretação para cada estatística na tabela Método.

Tipo de modelo não reconhecido

Exibe o tipo de modelo de regressão de Cox que o Minitab usa para a análise. A Minitab oferece dois tipos de modelos, um modelo apenas de preditores fixos e um modelo de forma de processo de contagem. Se você tem medidas repetidas dependentes do tempo ou preditores dependentes do tempo, você tem que usar um modelo de formulário de processo de contagem.

Codificação de preditores categóricos

O Minitab pode usar o esquema de codificação (0, 1) ou (−1, 0, +1) para incluir variáveis categóricas no modelo. O esquema (0, 1) é o padrão para análise de regressão, enquanto o esquema (−1, 0, +1) é o padrão para ANOVA e DOE. A escolha entre estes dois esquemas não altera a significância estatística das variáveis categóricas. No entanto, o esquema de codificação realmente altera os coeficientes e a maneira de interpretá-los.

Interpretação

Verifique se o esquema de codificação que é exibido garante que você tenha realizado a análise pretendida. Interprete os coeficientes para as variáveis categóricas como a seguir:

  • Com o (0, 1) esquema de codificação, o coeficiente para um nível categórico representa o logaritmo do risco que um sujeito com o nível experimenta o evento em relação a um indivíduo no nível de referência. O coeficiente para o nível de referência não é exibido na tabela Coeficientes.
  • Com o esquema de codificação (-1, 0, +1), o dobro do coeficiente para um nível categórico representa o logaritmo do risco de que um sujeito com o nível experimenta o evento em relação a um indivíduo em outro nível.

Ajuste de gravata

Exibe o método que o Minitab usa para ajustar para laços. Normalmente, o Efron método fornece estimativas melhores do que o método Breslow quando há muitos laços nos dados de resposta. Os dois métodos produzem as mesmas estimativas quando não há vínculos nos dados de resposta.

Matriz de covariância para análise

Minitab exibe esta linha na tabela se você selecionado para realizar a análise usando a robusta matriz de covariância1. Todos os testes e intervalos de confiança na análise utilizam a robusta matriz de covariância. O minitab não exibe nada na tabela Método se a análise usar a matriz de variância de variância de variância do modelo.

Variáveis de estratificação

Exibe as variáveis de estratificação que o Minitab usa na análise. Um modelo estratificado estima uma taxa de risco de linha de base para cada estratos, mas usa as mesmas estimativas para os efeitos dos preditores. Você pode especificar até 31 variáveis.

Transformação para testes de riscos proporcionais

Exibe a transformação que o Minitab usa no teste de riscos proporcionais. É um teste de associação linear entre os resíduos de Schoenfeld escalonados e alguma função, g(t), dos tempos de evento. Minitab só exibe a transformação se você selecionar algo diferente da função identidade.
Função de registro natural
A análise utiliza a função de tronco natural, g(t) = ln (t), para transformar os tempos de evento para os testes de riscos proporcionais.
Função de ligação
A análise utiliza a função de classificação, g(t) = Rank (t), para transformar os tempos de evento para os testes de riscos proporcionais. A função de classificação é baseada nas fileiras dos tempos de evento. Empates recebem a classificação média.
Função de sobrevivência de Kaplan-Meier
A análise utiliza a função de sobrevivência do Kaplan-Meier para transformar os tempos de evento para os testes de riscos proporcionais. As estimativas de sobrevivência são baseadas no tempo de resposta.

Linhas não utilizadas

Exibe o número de linhas que o Minitab exclui da análise. A tabela Método não exibe esta linha na tabela se a análise usar todas as linhas. Minitab exclui linhas da análise se elas tiverem um valor faltando ou se o tempo de resposta não for positivo. Essa exclusão não depende do formato de dados. Se o tempo de entrada for maior do que o tempo final, você terá um erro e a análise não é executada.

1 Lin, D.Y., e Wei, L.J. (1989). A inferência robusta para o modelo de riscos proporcionais de Cox.Journal of the American Statistical Association, 84: 1074-1078