管理统计学与SPSS 16.0应用课件习题及答案10

果更好。

Overall Comparisons Chi-Square 20.806 19.819 20.887 df 1 1 1 Sig. .000 .000 .000 Log Rank (Mantel-Cox) Breslow (Generalized Wilcoxon) Tarone-Ware Test of equality of survival distributions for the different levels of 是否继续巩固治疗.

两种治疗方法的生存率比较表格。采取了Log rank、Breslow和Tarone-Ware 3种比较方法给出了两种不同的治疗方法的统计量、自由度和Sig.值比较。

生存函数曲线图(Survival Function)。结合寿命表和生存函数曲线图中可以看出，没有继续巩固治疗者(绿色)生存曲线位置一直高于巩固治疗者(蓝色)。因此可以认为，治疗此类急性淋巴细胞性白血病患者时不需要巩固治疗。

（3）表10-19是一组80位肺癌患者生存时间的数据。该数据来自《SAS/STAT guide for personal computers》，。各指标及量化如表10-20，用Cox回归模型辨认预测因素。

表10-19 肺癌患者数据

therapy 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 cell 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 time 72 126 82 100 144 411 118 110 42 25 228 10 314 8 11 30 54 97 117 22 18 31 384 13 153 16 56 139 52 4 123 59 151 21 20 287 18 27 63 51 status 0 0 0 1 0 0 0 0 0 1 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 kps 60 60 40 70 30 70 70 80 60 80 60 20 50 40 70 60 80 60 80 60 20 75 60 60 60 30 80 80 70 40 40 30 50 40 30 60 30 60 50 60 diagtime 7 9 10 6 4 5 11 29 4 9 3 5 18 58 11 3 4 5 3 4 15 3 9 4 14 4 12 2 2 2 3 2 12 2 5 25 4 8 11 1 age 69 63 69 70 63 64 65 68 81 52 38 49 43 63 48 61 63 67 46 68 42 65 42 56 63 53 43 64 55 35 55 65 69 55 65 66 60 62 48 67 prior 0 1 1 0 0 1 1 0 0 1 0 0 0 1 1 0 1 0 0 0 0 0 0 0 1 1 1 0 0 0 0 0 0 1 0 1 0 0 0 0 therapy 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 cell 2 2 2 2 2 3 3 3 3 3 3 3 3 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 1 1 1 1 1 1 1 1 1 1 1 time 54 392 122 7 10 8 117 162 92 132 3 35 12 95 177 553 260 180 103 162 278 200 143 250 216 12 156 105 100 999 231 111 389 357 1 283 112 242 1 33 status 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 kps 70 40 80 50 40 20 80 80 70 80 30 40 50 80 50 70 80 90 80 80 60 80 90 70 50 40 70 80 60 90 50 70 90 70 50 90 80 50 20 30 diagtime 1 4 28 7 23 19 2 5 10 5 3 6 4 4 16 2 5 2 5 5 12 12 8 8 15 12 2 11 13 12 8 3 2 13 7 2 6 1 21 6 age 67 68 53 72 67 61 38 64 60 50 43 62 63 34 66 47 45 62 38 62 63 41 60 53 52 68 66 66 37 54 52 62 62 58 35 51 60 70 65 64 prior 0 0 0 0 1 1 0 0 0 0 0 0 1 0 1 0 0 0 0 0 0 1 0 1 0 1 0 0 1 1 1 0 0 0 0 0 0 0 1 0 变量 age diagtime time prior therapy status cell kps

表10-20 变量及其量化值

含义 年龄 诊断到治疗的时间 生存时间 治疗前的处理 治疗方案 病人状态 肺癌细胞组织 判断标准 量化值 0 经过处理 1未经过处理 1 标准方法 2实验方法 0 死亡 1 删失数据 1 鳞癌 2小细胞肺癌 3 腺癌 4 大细胞肺癌 ≦30住院治疗 30～60 住院和家庭治疗 >60家庭治疗 解：

操作步骤：

1．Analyze → Survival → Cox Regression，打开Cox Regression主对话框。选择变量Time进入Time列表框作为时间变量，选择变量Status进入status列表框作为状态变量。

2．单击Define Event按钮，打开Cox Regression: Define Event for status Variable对话框。在Single Valued单选按钮后面的文本框中输入数值0。

3．回到主对话框，选择变量age、cell、diagtime、kps、prior、therapy作为协变量进入Covariates列表框。

4.在Mathod框中选择Backward:Wald项。

5.单击Categorical按钮，展开相应的对话框。选择cell、prior、therapy变量进入Categorical框中。选中这三个变量，使它们的对比方式均为Indicator，其中cell变量参照分类为first。

4. 在主对话框中单击Plots按钮，即可打开Cox Regression: Plots对话框。选择Survival复选框输出累计生存函数。

5．在主对话框中单击Options按钮，即可打开Cox Regression：Options对话框。选择Correlation of estimates复选框，在Display model information 栏内选择At last step项。

6.点击OK。

结果分析：

Case Processing Summary Cases available in analysis Event Censored Total aN 74 6 80 0 0 0 0 80 Percent 92.5% 7.5% 100.0% .0% .0% .0% .0% 100.0% Cases dropped Cases with missing values Cases with negative time Censored cases before the earliest event in a stratum Total Total a. Dependent Variable: time 观测量汇总表，是对观测量的处理说明。即读入观测量总数、带有缺失值的观测量、带有负生存时间变量的观测量、在分层中删失观测量、去除的观测量总数、用于统计分析的观测量。

Categorical Variable Codingsc,d,e (2) (3) therapy a 1=standard 2=test Frequency 69 11 26 30 9 15 56 24 (1) 1 0 0 1 0 0 1 0 b 0 0 1 0 0 0 0 1 cell a1=squamous 2=small 3=adeno 4=large prior a0=treat 1=untreat a. Indicator Parameter Coding b. The (0,1) variable has been recoded, so its coefficients will not be the same as for indicator (0,1) coding. c. Category variable: therapy (project) d. Category variable: cell (type) e. Category variable: prior 上表是对各变量值进行编码分类。cell分类变量，以改变量中的第一分类（即squamous）作为参照分类对比，（1）代表small分类，（2）代表adeno分类，（3）代表large分类。

Omnibus Tests of Model Coefficients -2 Log Likelihood 506.331 Omnibus Tests of Model Coefficients Overall (score) -2 Log Likelihood 481.799 Chi-square 25.009 df 8 Sig. .002 Change From Previous Step Chi-square 24.532 df 8 Sig. .002 Change From Previous Block Chi-square 24.532 df 8 Sig. .002 a,ba. Beginning Block Number 0, initial Log Likelihood function: -2 Log likelihood: 506.331 b. Beginning Block Number 1. Method = Enter 上表为模型系数综合检验表，可以看出初始的-2对数似然值为506.331。使用向后消去回归并沃德检验，显示每步的变化和每步的协变量组的变化。Change From Previous Step和Change From Previous Block都显示了分层变量的作用，显著性水平为0.000，小于0.05，说明分层变量的作用是显著的。其分值统计量的显著性为0.000，表明此时回归结果是可信的。在最后一步迭代中，变化的显著性为0.000，可以不继续进行迭代过程了。