英国统计学家D.R.Cox于1972年提出的比例风险回归模型（Proportional hazard regression model），简称Cox回归模型，有效地解决了对于生存资料进行多因素分析的问题。
但是Cox回归模型在应用时，有一个非常重要的前提条件，即比例风险（Proportional hazards）假定，简称PH假定。
PH假定的基本假设为：协变量对生存率的影响不随时间的改变而改变，即风险比值h(t)/h0(t)为固定值。而在实际进行生存分析的过程中，有些自变量对风险函数（事件发生概率）的影响会随时间的变化而变化，因此在构建Cox回归模型之前，必须对PH假定进行判定，只有PH假定得到满足时，Cox回归模型的结果才有意义。
然而对于PH假定的判定往往被研究人员所忽略，而且分类变量和连续变量的判定方法也有所不同。本期内容小咖就带大家学习一下，对于分类变量，如何利用SPSS软件，简单快速的对PH假定进行判断。
案例数据
数据库变量：
1、结局变量stroke：即是否发生脑卒中，1代表发生结局，0代表未发生结局
2、分组变量treatment：即2种不同的治疗方法，取值分别为1和2
3、时间变量time：单位“月”
4、协变量age：单位“岁”
我们将对treatment（分类变量）这个变量进行PH假定的判定。
一、Kaplan-Meier生存曲线法
对于分类变量，检验是否满足PH假定，最常用的方法就是Kaplan-Meier生存曲线法，通过观察生存曲线是否存在交叉来进行判断。如果分类变量每一组别的Kaplan-Meier生存曲线存在交叉，提示可能不满足PH假定。但是这里需要注意的是，曲线不交叉并不代表PH假定就一定成立，仅作为检验PH假定的一个初步判断。
具体操作步骤如下：
1、Analyze → Survival → Kaplan-Meier
2、将时间变量time选入“Time”框中，将结局变量stroke选入“Status”框中，并点击Define Event，定义发生事件的取值为“1”，再将分组变量treatment选入“Factor”框中。
3、点击Options，在Plots框中勾选“Survival”绘制生存曲线，点击Continue，最后点击OK完成操作。
4、Kaplan-Meier生存曲线
由Kaplan-Meier生存曲线可以看出，treatment两组生存曲线之间并未交叉，可以对分组变量treatment满足PH假定的条件做一个初步判定。
二、基于累计风险函数的图示法
以生存时间t为横坐标，以log[-logS(t)]为纵坐标，绘制分类变量每一组别的生存曲线，如果各个组别对应的曲线基本平行或等距，则可以判定满足PH假定。
具体操作步骤如下：
1、Analyze → Survival → Cox Regression
2、将时间变量time选入“Time”框中，将结局变量stroke选择“Status”框中，并点击Define Event，定义发生事件的取值为“1” ，再将分组变量treatment选入“Strata”框中，以treatment作为分层因素。
3、点击Plots，勾选“Log minus log”，用于绘制log[-logS(t)]对时间t的曲线，最后点击Continue和OK完成操作。
4、由log minus log图形中可以看出，在不同的时间点，treatment两组曲线几乎是平行的，因此可以判定分组变量treatment满足PH假定的条件，适宜构建Cox回归模型。
我们检验了另一个分类变量，得到下图的结果，可以看出，这时候就不满足PH假定了，如果不满足PH假定该怎么处理呢，我们在后续的文章中进行介绍。
在本期内容中，我们主要介绍了两种图示的方法来对分类变量进行PH假定的判定，那么对于连续型变量，可以将其转化为分类变量，按照上述操作步骤进行判定。
电脑端：页面右侧“附件下载”
手机端：页面最下方“附件下载”