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
在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09在数据可视化领域,折线图是展示时序数据、趋势变化的核心图表类型之一,其简洁的线条的能够清晰呈现数据的起伏规律。Python ECh ...
2026-04-09在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-04-09长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08在数据分析全流程中,数据质量是决定分析结论可靠性的核心前提,而异常值作为数据集中的“异类”,往往会干扰统计检验、模型训练 ...
2026-04-08在数字经济飞速发展的今天,数据已渗透到各行各业的核心场景,成为解读趋势、优化决策、创造价值的核心载体。而数据分析,作为挖 ...
2026-04-08在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07