前面的两篇文章已经介绍了生存分析的历史，生存函数的概念，以及生存函数的Kaplan-Meier法估计。本文介绍在spss中利用Kaplan-Meier法进行生存分析的相关知识和操作过程。
如果还没有阅读这两篇文章，可点击如下文章标题进行阅读。
在介绍操作之前，先来介绍一下本文使用的数据文件的背景，如下图所示，数据共分为3个列，第一列显示的为生存时间，第二列标识观察对象在观察期间的生存结局（包括出现结局，删失，试验结束仍然存活三种状态），第三列为分组变量（分为新药组和对照组）。
在进行生存分析之前，先来看一下两个组之间不同生存结局的个体数量的比较，如下图所示，为两个组不同生存结局的个体的数量与组内占比。发现新药组出现结局（个体死亡）的比例为50%，低于对照组72.7%。
接下来我们对这个数据集进行生存分析。选择【分析】>【生存分析】>【Kaplan-Meier】，如下图所示，将变量选入对应的对话框中。
需要注意的是：生存结局变量【status】选入【状态】对话框，并且要进行事件的定义，要指定出现结局的标签对应的值。生存结局变量【status】的值标签定义如下图所示，“出现结局”对应的值为0，因此上图的状态定义的位置，我们填入0
【选项】菜单组中有用于输出生存函数图像的功能，勾选图选项组下的“生存分析函数”即可
【比较因子】选项卡用于设置对不同组之间进行比较时选用的统计检验方法，在此我们将它们全部勾选。
【保存】选项卡，可以将生存分析的结果保存到数据表格中。
设置完毕后，点击确定即可。输出结果包括了几个部分，依次来看一下：
part1 生存分析表
生存分析表应该如何理解呢？关于这一点，昨天的文章 生存分析（2）——生存函数 中已经有了非常详细的介绍，我这里不再赘述。当出现结局时，重新估算生存概率，出现删失时，生存概率不重新计算，这是生存分析处理删失的机制。
part2 生存时间组间比较
生存时间的比较有两个表格，第一个表格对比了两组之间的平均值和中位数，需要注意的是，这里的平均值不是普通的平均值，而是在考虑删失数据后的加权平均值，中位数也不是一般的中位数。意思就是说，这里得到的平均值和中位数是比较准确的。
第二个表格给出了统计检验的结果，三种统计检验结果均表明，新药组与对照组之间的生存时间差异显著。（三种检验方法的差异将会在视频课程中会进行解释）
part3 生存函数图像
如下为生存函数图像，生存函数和生存分析表格说明的其实是相同的内容，建议仔细理解文章 生存分析（2）——生存函数 中关于Kaplan-Meier法估计生存函数的图示。
Kaplan-Meier法估计生存函数的图示
part4 生存分析结果
如果把生存分析的结果保存下来，分析结束，将会在数据表格中添加这样几个数据列，第一列即为生存函数，第二列对应的为风险函数，第三列为出现结局的事件的累计数量。
本文的内容就介绍到这里，本文的内容在更新完这个系列的文章后将会被录制成视频课程，想要收看的同学请留意通知。
联系客服
