生存分析是一种非常重要的统计分析方法，对于生物医药专业而言，尤其重要。当然该方法也广泛应用于金融、电信、市场等其他领域。
常规统计分析方法，研究效应指标只考虑结局事件，而结局事件的发生肯定还和时间有关，以此常规统计分析方法处理生存资料欠妥。这种既考虑结局事件，又考虑结局出现事件的时间的统计分析方法，就叫做生存分析。
目前处理生存分析主流方法包括：初级说一说的寿命表法；中级比一比的Kapaln-Merier法；以及高级找关系的Cox回归。这些方法在SPSS中均可以实现。
昨天后台有人问，比例风险模型和竞争风险模型是啥关系，松哥简单给大家理理！
核心提示：等比例风险针对的是X，竞争风险针对的是Y哦！
2019年7月26-28日
首先这两个模型都属于高级找关系。
Cox回归又称Cox比例风险模型，这里的等比例风险是Cox回归的前提。
Cox模型的基本假设为：
在任意一个时间点，两组人群发生时间的风险比例是恒定的；或者说其危险曲线应该是成比例而且是不能交叉的；也就是如果一个体在某个时间点的死亡风险是另外一个体的3倍，那么在其他任意时间点的死亡风险也同样是3倍。
如下图所示，只有B和C才符合等比例的假定。
如何判定等比例风险的前提条件，对于分类变量，通过观察生存曲线是否存在交叉来判定应该是常用的方法，而对于连续型变量，我们可以通过残差散点图来判定。关于残差散点图，相信大家在学习线性回归的“LINE”时，已经熟知了它的能力。
假设有一份生存资料，包含3个变量：生存结局(Status)、生存时间(time)、年龄(age)，在SPSS中拟合含有age变量的Cox回归，并通过Save选项生成新的变量：age的偏残差(Partial residual)，然后做age的偏残差对生存时间的散点图，，，经简单线性回归检验，斜率确实具有统计学意义(P<0.05)。说明age对生存风险的作用随着时间变化而变化，所以我们需要拟合含时依协变量的Cox回归模型。
如果事件的终点不止一个，即存在多个终点并同时竞争风险，那么Cox模型也是不适用了，一般这时会考虑适用竞争风险模型，而这些终点事件互被称为竞争风险事件。
如果您听着困难，其实就是和打麻将截胡是一个道理，本来暴露X会发生Y1，可是还没等到发生Y1，发生Y2了，因此Y2就是Y1的竞争风险事件。
比如酗酒（X1）会导致酗酒性痴呆（Y1），可是某天该酗酒者酒后开车车祸死了（Y2），因为Y2发生，因此观察不到Y1了，所以Y1被Y2截胡了。
处理该类资料，很多人直接关注Y1，把发生Y2的都当成了删失数据，进而采用传统Cox回归，那是不妥当的。
下两期预告：
非等比例风险解决方案实战-时间依存Cox
竞争风险模型实战
联系客服
