能告诉你什么
Crosstabs 在你的设备上运行与 SPSS CSCOXREG 对应的过程：采用 Efron 或 Breslow 结处理的加权伪偏似然、基于设计自由度的风险比区间，以及来自加权得分残差的稳健设计方差。
- 每个预测变量使事件发生率变为原来的多少倍，以风险比 Exp(B) 及基于设计的区间表示。
- 每个预测变量整体上是否有作用：基于设计自由度的 Wald F 与 Rao–Scott 调整检验。
- 模型使用了多少个事件和删失个案。
- 与简单随机抽样相比，抽样设计使每个系数的方差改变了多少（设计效应）。
适用场景
适合使用
- 带随访时间和事件指示变量、以分层、整群和不等权重抽取的调查或面板数据。
- 目标是总体层面的风险比，例如与后续结局关联的全国健康调查。
- 事件时间有大量结（以月或年计）：选择 Efron 近似，它比 Breslow 更准确地处理结。
改用其他方法
- 来自简单随机样本或试验的数据：Cox 回归提供更多诊断和图形。
- 需要生存曲线、时依协变量、延迟进入或分层基线风险：此处每条记录为一个自时间 0 进入的对象，只输出系数表。
- 只想描述生存情况而不含预测变量：使用 Kaplan-Meier 或寿命表。
在 Crosstabs 中如何操作
- 01
打开调查数据
在工作区打开 .sav、CSV 或 Excel 文件并切换到“统计”模式。文件只在浏览器中读取，不会上传。
- 02
选择过程
在“复杂抽样”组中选择“复杂抽样 Cox 回归”（CSCOXREG）。
- 03
确认已保存的抽样计划
面板顶部的“抽样计划”一行会显示权重、分层、聚类和估计方法。若此数据集尚未保存计划，请先打开“抽样计划”（CSPLAN）。计划中的变量不会出现在变量选择框中，工作区权重也不会被使用：复杂抽样始终使用计划中的权重。
- 04
设置时间和状态
选择“时间变量”（零或正数）、“状态变量”以及“表示事件发生的值”；其他有效状态值都视为删失。在“结”中选择 Efron 或 Breslow。
- 05
添加预测变量并运行
至少勾选一个“因子（分类）”或“协变量（数值）”，设置“置信水平”后运行。模型没有截距：截距被基线风险吸收。
计算示例
以下结果由 Crosstabs 引擎在构建本页时根据模拟数据实际计算得出，并非手工填写。
数据
一份 120 名受访者的模拟住户调查：3 个层（Metro、Town、Rural），每层 4 个初级抽样单元（PSU），每个 PSU 10 名受访者；抽样权重从 Metro 的约 35 增加到 Rural 的约 110。同一 PSU 内的受访者共享一个随机效应，因此同群个案彼此相似。抽样计划为“权重 + 分层 + 聚类”，采用有放回（WR）估计；所有数值均由固定随机种子生成。此处结果为客户流失前的月数，在 24 个月处删失（churned = 1 表示事件发生）。
| 项目 | 值 |
|---|---|
| 伪 −2 对数似然（初始） | 75569.7 |
| 伪 −2 对数似然（最终） | 75296.1 |
| 事件 | 68 |
| 删失 | 52 |
| 使用的未加权个案 | 120 |
| 参数 | B | 标准误 | 显著性 | Exp(B) | Exp(B) 95% 置信区间下限 | Exp(B) 95% 置信区间上限 |
|---|---|---|---|---|---|---|
| [sex=Female] | −0.277 | 0.273 | .337 | 0.758 | 0.409 | 1.406 |
| [sex=Male]ᵃ | 0 | |||||
| age | 0.015 | 0.007 | .060 | 1.015 | 0.999 | 1.032 |
a. 此参数冗余，因此设为零（最后一个类别为参考）。结采用 Efron 近似处理。基于加权得分残差的稳健设计方差（Binder 1992）。
结果解读
共有 68 名受访者流失，52 名删失。Exp(B) 为风险比：女性的流失风险为男性的 0.76 倍（95% 置信区间 0.41 至 1.41，p = .337）；年龄每增加一岁，风险乘以 1.015（p = .060）。区间基于 9 个设计自由度的 t 分布和稳健的设计方差。
输出表格说明
- 模型摘要
- 空模型与最终模型的伪 −2 对数似然、事件数和删失个案数、使用的未加权个案数以及估计的总体规模。
- 模型效应检验
- 每个预测变量的 Wald F、Wald 卡方和 Rao–Scott 调整 F，基于设计自由度。
- 参数估计值
- B、标准误、置信区间、t、自由度、显著性和设计效应，以及 Exp(B)（即风险比）及其区间。脚注注明结处理方法和稳健设计方差。
前提假设与注意事项
- 已保存的计划真实反映了样本的抽取方式：正确的抽样权重、第 1 阶段分层和初级抽样单元（PSU）。计划有误，无论模型多好，标准误都是错的。
- 比例风险：每个预测变量在所有时间点都以相同倍数改变风险。
- 在考虑预测变量后，删失与事件风险无关；每条记录是一个从时间 0 开始观察的对象。
- 模型仅包含主效应（不含交互项）。因子采用 SPSS 式编码，以最后一个类别为冗余参考；任一模型变量缺失的个案按成列方式剔除，但仍以零贡献保留在设计中。
结果如何验证
在一个模拟的两阶段分层调查（235 个个案）上，针对三种设计，含一个因子和一个协变量的模型的系数、稳健标准误和风险比与 R survey 包的 svycoxph 相对误差在 1e-9 以内；Breslow 与 Efron 两种结处理、连续生存时间与大量结的时间均经过检验。 验证证据（英文）
常见问题
如何理解 Exp(B)？
Exp(B) 是风险比。大于 1 表示事件率更高：1.5 表示在任一时点事件发生速度快 50%；小于 1 表示事件率更低。对于因子水平，它相对于最后一个（参考）水平。
选 Efron 还是 Breslow 处理结？
事件时间没有结时，两者结果相同。结较多时，Efron 更准确；Breslow 更简单，也是部分软件的默认设置。
为什么称为稳健方差？
该方差由每个个案的加权得分残差构成：在 PSU 内求和，在层内跨 PSU 比较，再与信息矩阵组成三明治估计。它反映抽样设计，而不是假定基于模型的 Cox 方差。
状态变量可以有多个事件代码吗？
面板只接受一个值作为事件，其他有效值均视为删失。如需将多个代码视为事件，请先将它们重新编码为同一个值。
我的调查文件会被上传吗？
不会。工作区在浏览器中读取文件并运行 CSCOXREG，抽样计划也只保存在当前浏览器中。数据不会发送到 Crosstabs 服务器，也无需注册账号。
相关过程
用你自己的数据运行复杂抽样 Cox 回归
打开 .sav、CSV 或 Excel 文件。所有计算都在浏览器中完成，文件不会离开你的设备。
SPSS 是 IBM Corp. 的商标。Crosstabs 与 IBM 无关联，也未获得 IBM 认可。