Cox回归分析是对生存资料进行多因素分析最常见的模型，但是要在满足等比例风险假设的前提下才能进行拟合。
一、 示例数据
采用R survival package中的数据集lung进行分析展示，数据集介绍 [lung function - RDocumentation]（https://www.rdocumentation.org/packages/survival/versions/3.5-7/topics/lung）
二、相关代码实现
R code
#加载包
library(survival)
##选择完整数据集（不含缺失数据）
lung_complete<- na.omit(lung)
# 把变量sex和ph.ecog设定为分类变量
factor_v <- c("sex","ph.ecog")
lung_complete[factor_v] <- lapply(lung_complete[factor_v],factor)
### 多因素COX回归分析
multicox <- coxph(Surv(time = time,event = status) ~ inst+age+sex+ph.ecog+wt.loss, data = lung_complete)
summary(multicox)
###比例风险假设检验
cox.zph.fit <- cox.zph(multicox)
cox.zph.fit
SAS code
ods graphics on;
proc phreg data=rdata;
class sex ph_ecog;
*拟合多因素COX;
model time*status(1)=age inst sex wt_loss ph_ecog meal_cal;
*等比例风险假设检验;
assess ph/seed=222 resample=1000;
run;
ods graphics off;
Stata code
///导入数据
import sas using "D:\rdata.sas7bdat",clear
//设定时间和结局变量
stset time,failure(status==1)
stsum
stdescribe
///拟合模型
stcox inst age ib1.sex ib0.ph_ecog wt_loss
///ph假设检验
estat phtest
SPSS 步骤
(1) 选择“分析”一“生存函数”一“Cox 回归”莱单项。
(2) 将time 选入“时间”列表框，status选入“状态”列表框，事件发生值设为单值1。
(3) 将inst、age、sex、ph.ecog和wt.loss选入“协变量”列表框。
(4) 在“分类”对话框中，将sex和ph.ecog定义为分类协变量。
(5) 单击“确定”按钮。
Done!
