科研Labs › Cox 比例风险回归
Cox 比例风险回归
多因素生存分析的主力方法：分析多个协变量对生存（至事件时间）的影响，输出各因素风险比 HR、95% 置信区间、Wald 检验 p 值与模型似然比检验。 结点采用 Breslow 近似。浏览器本地计算，数据不上传。配合 Kaplan-Meier 工具做单因素分析。
① 粘贴数据
第一行列名，其后每行一个对象：需含生存时间、事件状态(1=发生事件/0=删失)及若干协变量。协变量须为数值（分类变量请先做 0/1 哑变量）。可从 Excel 复制粘贴。
使用说明与方法学
Cox 回归和 Kaplan-Meier 有什么区别？
Kaplan-Meier 做单因素生存分析、画生存曲线、用 log-rank 比较分组；Cox 回归是多因素方法，能同时校正多个协变量、给出每个因素调整后的风险比 HR。两者常配合使用：KM 看趋势，Cox 做多因素分析。
风险比 HR 怎么解读？
HR 是该协变量每增加 1 个单位时风险（瞬时危险率）的倍数。HR=2 表示风险翻倍，HR=0.5 表示风险减半，HR=1 表示无影响。连续变量的 HR 是“每增加一个单位”的效应，分类变量需先做 0/1 哑变量、HR 表示相对参照组。
分类变量怎么放进模型？
本工具协变量须为数值。二分类直接编码 0/1；多分类（如分期 I/II/III）需拆成多个 0/1 哑变量（以某一类为参照），再分别作为协变量纳入。有序变量也可按等级数值近似处理。
结果说“信息矩阵不可逆”怎么办？
通常是协变量之间高度共线、或某协变量与结局完全分离（某取值下全发生或全不发生），也可能是样本/事件太少。建议减少协变量、合并稀疏类别或增大样本。
为什么 HR 和 R/SPSS 略有差别？
本工具结点用 Breslow 近似（同 SAS 默认），R 的 coxph 默认用 Efron 法；当同一时间的事件较多时两者会有小差异，无结点时完全一致。