Schoenfeld残差法判断Cox比例风险回归分析的PH假定

Cox比例风险模型，有一个最基本的前提，就是风险比率不随时间变化，简称PH假定。前面曾经写过一篇文章，介绍有关分类变量做因素时PH假定的检验过程，那么如果因素是连续数据变量呢？我们又该如何去检验PH假定？

答案是，用Schoenfeld残差法。

以肺癌亚型生存数据为例（引自张文彤老师《SPSS统计分析高级篇》），咱们来看看入院时健康指数因素对生存风险的影响是否满足PH假定。

01

针对入院健康指数因素变量，单独做它对生存时间的Cox比例风险回归（先不管他的条件）。具体操作可以参考下面这篇文章。

☞ SPSS统计实践：Cox比例风险模型回归分析

在【保存】对话框中，勾选【偏残差】，要求软件给你计算并输出残差新变量。

来看结果：

02

残差准备好后，接下来对原始数据中的生存时间数据做一个秩次的转换，我们想看的是随着时间更迭递进同一个台阶其生存风险的变化情况。

跟着我的菜单走。【转换】→【个案排秩】，

如上设置，我们要求软件将生存时间数据转换为它的排名秩次数据。

来看结果：

03

怎么观察随时间变化的趋势及分布呢？散点图是蛮好的一个方案。马上依据上面计算所得的残差和实践秩次做一个散点图。SPSS散点图操作参考下面这篇文章：

☞ SPSS动手实践：画个散点图

我们就直接来看结果了：

这红线总体来说是在零刻度线上线波动的，有那么一点点轻微抬高的趋势，不是很明显，点的总体分布规律不明显。

即生存风险不随时间的改变而改变（有一定主观性）。因此我们粗略观察认为入院时健康指数对生存风险的影响符合PH等比例风险假定。

04

强调一下，Schoenfeld残差法属于图形可视化观察的思路和方案，是一种直观的分析，有一定主观性，是PH假定快速判断的一种粗糙手段。

本文完 文/图=数据小兵

《SPSS统计分析：快速入门与实践提高》

视频地址：

https://study.163.com/course/introduction/1003945001.htm?share=1&shareId=1149679450