Hazard modeller hjälper statistiker och andra forskare bedömer risken genom att förstå de variabler som är förknippade med risk . En typ av fara modell, Cox proportionella riskmodell är en förenklad och särskild form av denna modell som bygger på ett starkt antagande : de variabler som är förknippade med fara risk är relaterade i en multiplikativ sätt ( de föröka sig i modellen i stället för att lägga ) . Innan du kan lyckas med en Cox proportionella riskmodell , måste du kontrollera detta antagande . Med hjälp av SAS , ett kraftfullt statistiskt programpaket , kan du enkelt testa detta antagande på dina data . Instruktioner
1
mata in data i SAS . Klicka på " File " och "data Importera " . Följ stegen som visas och öppna datafilen
2
Type " proc phreg uppgifter = yourdata , " . , Där " yourdata " är matrisen av data som skall testas . Detta talar SAS vilka data du kommer att arbeta med .
3
Dubbelklicka variablerna i dina uppgifter , multiplicera varje med loggen för tiden . För varje variabel , använd kommandot " newvar = oldvar * log ( tid ) ; " . Till exempel , om du har en variabel för lön som kallas " lön " , mata in kommandot " newsalary = lön * log ( tid ) ; " . Gör detta för alla variabler i datamängden .
4
Type " model tid * censurera ( 0 ) = yourmodel " , där " yourmodel " är den uppsättning av variabler som ska ingå i modellen . Denna uppsättning av variabler bör omfatta alla de ursprungliga variablerna i dina uppgifter , liksom de nya variabler som multiplicerat med loggen för tiden .
5
Förbered proportionalitet för de nya variablerna . Skriv " proportionality_test : TEST newvariables ; ", där " newvariables " är den uppsättning av alla av de nya variablerna skapades genom att multiplicera de gamla variabler genom loggen för tiden. Till exempel , om du har två variabler i dina studier , lön och ålder , kommer du att ha två nya variabler , newsalary och newage . Därför bör du skriva " proportionality_test : test newsalary newage , "
6
Kör testet . . Typ " kör , "
7
Observera p-värden i produktionen . . De p-värden är belägna i kolumnen entitiled "Pr > ChiSq " . Om du ser några p-värden enligt 0.05 , misslyckas testet , vilket innebär antagandet om proportionella risker misslyckas .
