京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在用户从“接触产品”到“完成核心目标”的全链路中,流失是必然存在的——电商用户可能“浏览商品却未下单”,APP新用户可能“ ...
2026-01-14在产品增长的核心指标体系中,次日留存率是当之无愧的“入门级关键指标”——它直接反映用户对产品的首次体验反馈,是判断产品是 ...
2026-01-14在CDA(Certified Data Analyst)数据分析师的业务实操中,“分类预测”是高频核心需求——比如“预测用户是否会购买商品”“判 ...
2026-01-14在数字化时代,用户的每一次操作——无论是电商平台的“浏览-加购-下单”、APP的“登录-点击-留存”,还是金融产品的“注册-实名 ...
2026-01-13在数据驱动决策的时代,“数据质量决定分析价值”已成为行业共识。数据库、日志系统、第三方平台等渠道采集的原始数据,往往存在 ...
2026-01-13在CDA(Certified Data Analyst)数据分析师的核心能力体系中,“通过数据建立模型、实现预测与归因”是进阶关键——比如“预测 ...
2026-01-13在企业数字化转型过程中,业务模型与数据模型是两大核心支撑体系:业务模型承载“业务应该如何运转”的逻辑,数据模型解决“数据 ...
2026-01-12当前手游市场进入存量竞争时代,“拉新难、留存更难”成为行业普遍痛点。对于手游产品而言,用户留存率不仅直接决定产品的生命周 ...
2026-01-12在CDA(Certified Data Analyst)数据分析师的日常工作中,“挖掘变量间的关联关系”是高频核心需求——比如判断“用户停留时长 ...
2026-01-12在存量竞争时代,用户流失率直接影响企业的营收与市场竞争力。无论是电商、互联网服务还是金融行业,提前精准预测潜在流失用户, ...
2026-01-09在量化投资领域,多因子选股是主流的选股策略之一——其核心逻辑是通过挖掘影响股票未来收益的各类因子(如估值、成长、盈利、流 ...
2026-01-09在CDA(Certified Data Analyst)数据分析师的工作场景中,分类型变量的关联分析是高频需求——例如“用户性别与商品偏好是否相 ...
2026-01-09数据库中的历史数据,是企业运营过程中沉淀的核心资产——包含用户行为轨迹、业务交易记录、产品迭代日志、市场活动效果等多维度 ...
2026-01-08在电商行业竞争日趋激烈的当下,数据已成为驱动业务增长的核心引擎。电商公司的数据分析师,不仅是数据的“解读官”,更是业务的 ...
2026-01-08在数据驱动决策的链路中,统计制图是CDA(Certified Data Analyst)数据分析师将抽象数据转化为直观洞察的关键载体。不同于普通 ...
2026-01-08在主成分分析(PCA)的学习与实践中,“主成分载荷矩阵”和“成分矩阵”是两个高频出现但极易混淆的核心概念。两者均是主成分分 ...
2026-01-07在教学管理、学生成绩分析场景中,成绩分布图是直观呈现成绩分布规律的核心工具——通过图表能快速看出成绩集中区间、高分/低分 ...
2026-01-07在数据分析师的工作闭环中,数据探索与统计分析是连接原始数据与业务洞察的关键环节。CDA(Certified Data Analyst)作为具备专 ...
2026-01-07在数据处理与可视化场景中,将Python分析后的结果导出为Excel文件是高频需求。而通过设置单元格颜色,能让Excel中的数据更具层次 ...
2026-01-06在企业运营、业务监控、数据分析等场景中,指标波动是常态——无论是日营收的突然下滑、用户活跃度的骤升,还是产品故障率的异常 ...
2026-01-06