
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
随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29CDA 数据分析与量化策略分析流程:协同落地数据驱动价值 在数据驱动决策的实践中,“流程” 是确保价值落地的核心骨架 ——CDA ...
2025-08-29CDA含金量分析 在数字经济与人工智能深度融合的时代,数据驱动决策已成为企业核心竞争力的关键要素。CDA(Certified Data Analys ...
2025-08-28CDA认证:数据时代的职业通行证 当海通证券的交易大厅里闪烁的屏幕实时跳动着市场数据,当苏州银行的数字金融部连夜部署新的风控 ...
2025-08-28