Cox回归模型，又称‘’比例风险回归模型‘’是一种研究相关因素对于生存时间影响的回归模型，已在医疗，金融和市场研究等专业领域中广泛使用。比如医学研究中，新药物使用是否会有效的增加癌症病人的存活时间；企业创始人能力素质对于企业生存时间的影响关系研究等。
工具/原料
1
数据文件
2
SPSSAU
方法操作
1
【研究背景】某研究人员拟观察一种新型癌症药物的疗效情况，首先将50名癌症患者随机分成两组，对照组使用传统治疗方式，实验组使用新式药物治疗方式。并且随访时间为2年，以是否死亡为作为结局。希望通过研究了解到新式药物是否对于生存时间带来影响，同时性别和年龄有可能对于生存时间产生影响，因而性别和年龄也考虑在内。
2
【数据录入】原始数据如下图，下图中药物组别0表示传统治疗，1表示新式药物；性别0表示女性，1表示男性；年龄0表示50以下，1表示50及以上；生存时间以周为单位；生存状态1表示死亡，0表示存活。
3
【操作步骤】打开SPSSAU，右上角【上传数据】，点击或者拖拽上传数据
4
选择【医学研究】->【Cox回归】
5
选择要分析的指标，拖拽到右侧相应位置，点击“开始Cox回归分析”，具体操作如下：
6
【结果分析】完成以上操作，即得到Cox回归结果及智能分析：下表格为模型似然比检验结果，似然比检验原假设为是否放入自变量两类模型质量均一致；从上表可知，模型拒绝原定假设(Chi=8.725，P=0.033 <0.05)，即说明本次构建模型时，放入的自变量具有有效性，本次模型构建有意义。
7
下表为Cox回归模型分析结果，根据表格结果显示，药物组别的回归系数值为-1.171，并且呈现出0.01水平的显著性(P=0.010 <0.01)，意味着药物组别会对生存时间(周)产生显著的负向影响关系。以及相对危险度(RR值)为0.310(95%CI:-2.059~-0.284)，意味着相对于传统治疗，新式药物的死亡风险为传统治疗的0.310倍。
8
除此之外，Cox回归会生成生存曲线如下图分析：END