
SPSS生存函数-Kaplan-Meier
一、Kaplan-Meier生存分析(分析-生存函数-Kaplan-Meier)
1、概念:在多数情况下,您都会希望考察两个事件之间的时间分布,比如雇用时长(员工从雇用到离开公司的时间)。但是,这种数据通常包含一些已审查的个案。已审查的个案是没有记录其第二次事件的个案(例如,在调查结束后仍然为公司工作的员工)。Kaplan-Meier过程是已审查的个案出现时估计时间事件模型的一种方法。Kaplan-Meier模型的依据是估计事件发生的每个时间点的条件概率,并取这些概率的乘积限估计每个时间点的生存率。
2、示例。新的AIDS疗法在延长寿命方面是否具有治疗优势?您可以对两组AIDS患者进行研究,一组接受传统疗法,另一组接受实验性疗法。从数据构造Kaplan-Meier模型将允许您比较两组的整体生存率,以确定实验性疗法是否是传统疗法的改进。还可以用图来表示生存或风险函数并对其进行直观比较,以获得更详细的信息。
3、统计量。生存表,包括时间、状态、累积生存和标准误、累积事件和剩余数;以及均值和中位数生存时间,带有标准误和95%置信区间。图:生存、风险、对数生存和1减生存。
4、数据。时间变量应为连续变量,状态变量可以是分类变量或连续变量,因子和层次变量应为分类变量。
5、假设。所关心事件的概率应只取决于初始事件之后的时间(假设绝对时间下的概率不变)。即,从不同时间开始研究的个案(比如,从不同时间开始接受治疗的患者)应有相似的行为。已审查的个案和未审查的个案之间也不应存在系统性差别。例如,如果许多已审查的个案都是情况更为严重的患者,则得到的结果可能会存在偏差。
6、相关过程。Kaplan-Meier过程使用的计算寿命表的方法估计每个事件发生时的生存或风险函数。“寿命表”过程使用保险精算方法进行生存分析,该方法依赖于将观察期划分为较小的时间区间,可能对处理大样本有用。如果您怀疑变量与要控制的生存时间或变量(协变量)相关,则应使用“Cox回归”过程。如果同一个个案中协变量在不同的时间点可以具有不同的值,则应使用带有“依时协变量”的“Cox回归”。
二、比较因子水平(分析-生存函数-Kaplan-Meie-比较因子)
您可以请求统计量以检验因子不同水平的生存分布的等同性。可用统计量包括对数秩、Breslow和Tarone-Ware。选择一个选项指定要进行的比较:跨层整体检验、分层检验、跨层成对检验或分层成对检验。◎对数秩.比较生存分布的等同性的检验。在此检验中,所有时间点均赋予相同的权重。◎Breslow.比较生存分布的等同性的检验。在每个时间点用带风险的个案数对时间点加权。◎Tarone-Ware.比较生存分布的等同性的检验。在每个时间点用历险的个案数的平方根对时间点加权。◎在层上比较所有因子水平.在单次检验中比较所有因子水平,以检验生存曲线的相等性。◎在层上成对比较因子水平.比较每一个相异的因子水平对。不提供成对趋势检验。◎对于每层.对每层的所有因子水平的相等性执行一次单独的检验。如果您没有分层变量,则不执行检验。◎为每层成对比较因子水平.比较每一层的每一个相异的因子水平对。不提供成对趋势检验。如果您没有分层变量,则不执行检验。
因子级别的线性趋势。允许您检验跨因子级别的线性趋势。此选项仅可用于因子水平的整体(而不是成对)比较。
三、保存(分析-生存函数-Kaplan-Meie-保存)
您可以将Kaplan-Meier表的信息保存为新变量,新变量可在以后的分析中用于检验假设或检查假设。您可以将生存函数、生存函数的标准误、危险函数和累积事件保存为新变量。◎生存.累积生存概率估计。默认变量名为前缀sur_加上顺序号。例如,如果已存在sur_1,Kaplan-Meier就分配变量名sur_2。◎生存函数的标准误.累积生存估计的标准误。默认变量名为前缀se_加上顺序号。例如,如果已存在se_1,Kaplan-Meier就分配变量名se_2。◎危险函数.累积风险函数估计。默认变量名为前缀haz_加上顺序号。例如,如果已存在haz_1,Kaplan-Meier就分配变量名haz_2。◎累积事件.当个案按其生存时间和状态代码进行排序时的事件累积频率。默认变量名为前缀cum_加上顺序号。例如,如果已存在cum_1,Kaplan-Meier就分配变量名cum_2
四、选项(分析-生存函数-Kaplan-Meie-选项)
1、统计量。您可以选择为计算的生存函数显示统计量,包括生存分析表、均值和中位数生存时间以及四分位数。如果包含因子变量,则会为每组生成单独的统计量。
通过图可以直观地检查生存函数、1减去生存函数、危险函数和取生存函数的对数。如果包含因子变量,则会为每组绘制函数图。◎生存.在线性刻度上显示累积生存函数。◎1减去生存函数.以线性尺度绘制1减生存函数。◎危险函数.在线性刻度上显示累积风险函数。◎取生存函数的对数.在对数刻度上显示累积生存函数。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15