crosstabs.
打开导航
打开分析工作区

SPSS 命令: SPSS COXREG

在浏览器中做 Cox 回归

Cox 回归描述协变量如何改变风险（即事件的瞬时风险），而不对基线生存曲线的形状作任何假设。

用示例数据试一试用自己的文件运行

免费 · 无需注册 · 文件留在本机 · 更新于 2026年10月18日

能告诉你什么

Crosstabs 在你的设备上运行与 SPSS COXREG 对应的过程，采用 Breslow 法处理结值，支持指示编码的分类协变量和可选分层，并给出风险比 Exp(B) 及其 95% 置信区间和协变量均值处的生存函数。

  • 每个协变量的风险比 Exp(B)：在其他协变量不变时，该协变量每增加一个单位，事件风险乘以多少。
  • 通过得分卡方与似然比卡方检验，判断全部协变量合在一起是否优于不含协变量的模型。
  • 每个系数的 Wald 检验；对于多水平分类协变量，还给出整个项的联合检验。
  • 各协变量均处于平均值的个案的估计生存曲线和累积风险。

适用场景

适合使用

  • 含删失的时间—事件结局，需要在比较组别时调整年龄、严重程度等协变量。
  • 估计剂量、月消费等连续预测变量对事件风险的影响。
  • 基线风险因研究中心或队列而异：将该变量设为分层，使每层拥有各自的基线风险。

改用其他方法

  • 风险随时间明显交叉（某组早期较差、后期较好）：比例风险假设不成立，可比较 Kaplan-Meier 曲线或将随访分段分析。
  • 需要普通协变量之间的交互项：请先计算乘积项，再作为协变量纳入。
  • 没有时间维度，只关心事件是否发生：使用二元 logistic 回归。
  • 含抽样权重、分层和整群的调查数据：使用复杂抽样 Cox 回归。

在 Crosstabs 中如何操作

  1. 01

    打开数据

    打开每行一个个案的文件，并切换到“统计”模式。

  2. 02

    选择 Cox 回归

    在“生存分析”组中选择“Cox 回归”（COXREG）。

  3. 03

    设置时间、状态和事件值

    选择“时间”“状态”变量以及“表示事件已发生的值”。

  4. 04

    选择协变量

    勾选最多 12 个“协变量”。在“分类协变量（指示编码，最后一个类别为参照）”中勾选需要虚拟编码的变量；文本变量和名义变量默认已勾选。

  5. 05

    按需添加分层

    选择“分层（可选）”变量，使每个水平拥有独立的基线风险，同时共享回归系数。

  6. 06

    选择图形并运行

    将“图形”设为协变量均值处的生存或风险（累积）；如有权重，将其声明为频数权重，然后点击“运行”。

在浏览器中运行 Cox 回归

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。

用示例数据试一试

数据

120 名模拟患者交替分配到药物组或安慰剂组，年龄来自正态分布（均值 60，标准差 10）。生存时间服从指数模型：年龄每增加一岁风险上升 3%，药物组风险低 40%；随访在 36 个月截止。固定随机种子。

个案处理摘要
项目N百分比
事件7865.0%
已删失4235.0%
总计120100.0%
模型系数的综合检验
-2 对数似然总体（得分）卡方df显著性相对上一步的变化卡方df显著性
651.27229.0682<.00129.0272<.001

起始块 -2 对数似然：680.300。结值使用 Breslow 方法处理。

方程中的变量
项目BSEWalddf显著性Exp(B)Exp(B) 的 95% 置信区间
age0.0280.0134.4661.0351.0281.002 – 1.055
treatment(1)−1.2310.24824.6201<.0010.2920.180 – 0.475

treatment：指示编码；(1) = Drug；参照 = Placebo。

结果解读

模型总体显著（似然比 χ²(2) = 29.03，p < .001）。在年龄不变的条件下，药物使风险乘以 Exp(B) = 0.292（95% 置信区间 0.180 – 0.475）；年龄每增加一岁，风险乘以 1.028（95% 置信区间 1.002 – 1.055）。风险比小于 1 表示事件的瞬时风险较低，而不是生存时间相差某个固定值。

输出表格说明

个案处理摘要
事件数、删失数及总数和百分比。经验上，每个系数至少需要约十个事件。
步骤摘要
使用逐步方法时：先列出起始模型，再列出每一步输入（得分统计量）或剔除（条件、LR 或 Wald 统计量）的协变量，以及模型的 -2 对数似然及其相对上一步的变化。
模型系数的综合检验
拟合模型的 -2 对数似然、总体得分卡方以及相对空模型的似然比变化，均附自由度和显著性。起始块的 -2 对数似然见脚注。
方程中的变量
每个系数的 B、标准误、Wald、自由度、显著性、Exp(B) 及其 95% 置信区间；多水平分类项另有一行联合检验。脚注列出指示编码及参照类别。
协变量均值
每个设计列（包括虚拟变量列）的（加权）均值；生存表即在这些取值处计算。
生存表
每个事件时间的基线累积风险（所有协变量为 0）、协变量均值处的生存率及其标准误，以及均值处的累积风险；每层各一组。

前提假设与注意事项

  • 比例风险：每个协变量在所有时间点都使风险乘以相同的倍数。
  • 连续协变量对对数风险呈线性作用；若不合理，应进行变换或分类。
  • 在给定协变量的条件下删失为非信息性删失，且观测相互独立。
  • 事件数足够，且没有协变量能完全分隔事件时间；否则系数会发散，面板会给出提示。

结果如何验证

在含一个连续协变量和一个三水平协变量的 150 例参考数据上，无论是否加权，系数与标准误均与 statsmodels 0.15 PHReg 及 R survival 3.8.12 coxph（Breslow 结处理）一致到 1e-7；-2 对数似然与得分卡方一致到 1e-9；协变量均值处的 Kalbfleisch-Prentice 生存率及其标准误与 R 一致到 1e-7；分层模型与使用 strata() 的 coxph 一致到 1e-7。采用条件、LR 与 Wald 剔除的向前、向后逐步选择与基于 R survival 独立编写的逐步实现逐步一致（统计量误差在 1e-6 以内），时依协变量 x·ln(T_) 与使用 tt() 的 coxph 一致到 1e-6。 验证证据（英文）

常见问题

如何解读 Exp(B)？

Exp(B) 即风险比。处理指示变量的 Exp(B) = 0.70 表示在其他协变量不变时，处理组在任一时点的瞬时风险比参照类别低 30%。对于连续协变量，它是每增加一个单位的风险比。

哪个类别是参照？

按排序后的最后一个类别，与 SPSS 默认的指示编码一致。如需其他参照类别，请先重新编码变量；“方程中的变量”表下的脚注列出了编码方式。

应看得分检验还是似然比检验？

两者都检验全部系数，通常结论一致。小样本时一般优先采用似然比检验（相对上一步的变化）；得分检验不需要迭代。

如何处理结值事件时间？

采用 SPSS 所用的 Breslow 近似。结值很多时，Efron 法的估计会略有不同，因此结果可能与默认使用 Efron 的软件略有差异。

数据会被发送到别处吗？

不会。模型在浏览器中拟合，适合必须保留在本机上的临床或客户数据。

相关过程

用你自己的数据运行 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。

打开分析工作区

SPSS 是 IBM Corp. 的商标。Crosstabs 与 IBM 无关联，也未获得 IBM 认可。