仅使用固定预测变量拟合 Cox 模型 拟合优度检验表

Minitab 统计软件提供 3 种适合性测试:全球 Wald 测试、全球可能性比率测试和全球分数测试。如果没有捆绑事件时间,则分数测试与众所周知的日志排名测试相同。在与聚类的分析中,Minitab 不提供全球可能性比率测试,因为此测试假定聚类内的观测是独立的。所有 3 个测试对统计数据的解释相同。

自由度

适合性测试的自由度是模型中术语自由度的总和。此金额等于模型中的参数数。

卡方

每个适合的测试都有一个奇方统计。卡方值是检验统计量,可以确定项或模型是否与响应变量相关。

Minitab 使用卡方统计量计算 P 值,使用 P 值可以做出有关项和模型的统计显著性的决定。P 值是一个概率,用来测量否定原假设的证据。概率越低,否定原假设的证据越充分。足够大的卡方统计量产生的 P 值较小,这表示项或模型在统计意义上显著。

P 值

P 值是一个概率,用来测量否定原假设的证据。概率越低,否定原假设的证据越充分。

解释

使用拟合优度检验来确定模型对数据的拟合程度。其原假设是模型与数据充分拟合。通常,显著性水平(用 α 或 alpha 表示)为 .05 即可。显著性水平 0.05 指示在系数为 0 时得出系数不为 0 的结论的风险为 5%。

根据空假设,每个测试的测试统计具有无同位奇方分布,自由度等于模型中的系数数。与估计参数数相比,观测到的事件数量较大时,不相称分布是有效的。对于绝对预测器,每个级别的事件数量必须足够大,才能使同位分布有效。
P 值 ≤ α:模型应当充分拟合数据
如果 P 值小于或等于显著性水平,则可以断定模型之间在统计上存在显著差异。您应该检查其中任何术语是否具有统计学意义,并确保该模型满足比例危险假设。
P 值 > α:证据不足,无法得出效应在统计意义上显著的结论。
如果 P 值大于显著性水平,则无法得出模型解释响应中变异的结论。您可能希望重新拟合没有该项的模型。