Hazard modeller hjelpe statistikere og andre forskere vurdere risiko gjennom å forstå variabler knyttet til risiko. En type fare modell, Cox -modell , er en forenklet og bestemt form av denne modellen som er avhengig av en sterk antagelse : variablene er forbundet med fare risiko er relatert på en multiplikativ måte ( de formere seg i modellen i motsetning til å legge ) . Før du kan bruke en Cox -modell , må du sjekke denne antakelsen . Ved hjelp av SAS , en kraftig statistisk programvarepakke, kan du enkelt teste denne antakelsen på dine data . Instruksjoner
en
Skrive data inn i SAS. Klikk på " File" og "Importer data " . Følg trinnene som vises, og åpne datafilen
2
Type " proc phreg data = yourdata ; " . , Der " yourdata " er matrisen av data som skal testes . Dette forteller SAS hvilke data du skal jobbe med .
3
Dobbeltklikk variablene i dataene, multiplisere hver med loggen tid. For hver variabel , bruker du kommandoen " newvar = oldvar * log (tid ); " . For eksempel, hvis du har en variabel for lønn kalt " lønn ", skriv inn kommandoen " newsalary = lønn * log (tid ); " . Gjør dette for alle variablene i datasettet ditt .
4
Type " modell tid * sensurere ( 0 ) = yourmodel " , der " yourmodel " er det sett av variabler du ønsker å inkludere i modellen . Dette settet med variabler bør omfatte alle de opprinnelige variablene i dataene , samt de nye variabler som ble multiplisert med logg over tid .
5
Forbered proporsjonalitetstesten for de nye variablene . Type " proportionality_test : test newvariables ; " , der " newvariables " er det sett av alle de nye variabler som er opprettet ved å multiplisere de gamle variablene ved loggen tid. For eksempel, hvis du har to variabler i ditt studium , lønn og alder , vil du ha to nye variabler , newsalary og newage . Derfor bør du angi " proportionality_test : test newsalary newage ; "
6
Kjør testen . . Type " kjøre ; "
7
Observer p-verdier i produksjonen . . P- verdiene er plassert i kolonnen entitiled "Pr > ChiSq " . Hvis du ser noen p-verdier i henhold til 0,05 , mislykkes testen , noe som betyr at forutsetningen om proporsjonal farer svikter.