能告诉你什么
Crosstabs 在你的设备上运行与 SPSS SURVIVAL 对应的过程，给出累积生存比例、概率密度和风险率及其标准误、寿命表中位生存时间，以及各组间的 Wilcoxon（Gehan）比较。
- 每个区间的生存比例，以及到区间结束时的累积生存比例及其标准误。
- 每个区间单位时间的风险率，可看出风险是在上升、下降还是保持平稳。
- 每个区间事件发生的概率密度，即事件在时间上集中于何处。
- 寿命表中位生存时间，或其位于最后一个区间之后。
- 各因子水平的生存是否不同：Wilcoxon（Gehan）统计量的总体与成对比较。
适用场景
适合使用
- 样本量很大、按事件时间逐行列出会难以阅读的情形，例如数千名客户或投保人。
- 时间以较粗的单位（月、年）记录且结值很多，按区间汇总是最自然的呈现方式。
- 按时期报告风险，例如说明取消订阅的风险在第二季度达到高峰。
改用其他方法
- 样本量小且时间精确：Kaplan-Meier 使用每个事件时间，不会因分组损失信息。
- 需要调整协变量：使用 Cox 回归。
- 需要第二个控制因子：本面板只接受一个因子，可按控制变量拆分文件，或使用带分层的 Kaplan-Meier。
在 Crosstabs 中如何操作
- 01
打开数据
在工作区打开每行一个个案的文件，并切换到“统计”模式。
- 02
选择寿命表
在“生存分析”组中选择“寿命表”（SURVIVAL）。
- 03
设置时间、状态和事件值
选择“时间”和“状态”变量以及“表示事件已发生的值”；其他状态值按退出（删失）处理。
- 04
定义区间
输入“显示时间区间：0 至”和“间隔宽度”，例如 36、宽度 6。若宽度不能整除范围，会调整为最接近的整数个区间；超过最后界限的时间归入开放的最后一个区间。
- 05
添加因子
可选择“因子（可选）”，按水平分别输出寿命表并进行 Gehan 检验；因子有三个及以上水平时可勾选“成对比较”。
- 06
选择图形并运行
将“图形”设为生存、1 减生存、风险或密度；如有权重，将其声明为频数权重，然后点击“运行”。
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
90 名模拟患者，每个治疗组 45 人。时间为复发前的月数（保留一位小数）；失访或到第 36 个月仍未复发的患者记为删失。时间由固定随机种子从指数分布生成。区间为 0 至 36，宽度 6。
| 区间起始时间 | 进入区间人数 | 区间内退出人数 | 暴露于风险的人数 | 终点事件数 | 终止比例 | 区间结束时的累积生存比例 | 风险率 |
|---|---|---|---|---|---|---|---|
| 0 | 45 | 7 | 41.5 | 13 | 0.31 | 0.69 | 0.062 |
| 6 | 25 | 3 | 23.5 | 8 | 0.34 | 0.45 | 0.068 |
| 12 | 14 | 0 | 14.0 | 6 | 0.43 | 0.26 | 0.091 |
| 18 | 8 | 1 | 7.5 | 2 | 0.27 | 0.19 | 0.051 |
| 24 | 5 | 1 | 4.5 | 1 | 0.22 | 0.15 | 0.042 |
| 30 | 3 | 0 | 3.0 | 0 | 0.00 | 0.15 | 0.000 |
| 36 | 3 | 3 | 1.5 | 0 | 0.00 | 0.15 | — |
中位生存时间：10.79。最后一个区间为开放区间，包含 36 以后的所有时间。
| 项目 | Wilcoxon（Gehan）统计量 | df | 显著性 |
|---|---|---|---|
| 总体 | 3.928 | 1 | .047 |
平均得分：新疗法 8.56；标准治疗 −8.56。
结果解读
在 24–30 个月区间结束时，标准治疗组未复发的累积生存比例为 0.15，新疗法组为 0.41。寿命表中位生存时间：标准治疗组 10.79 个月，新疗法组 19.74。Wilcoxon（Gehan）统计量为 3.93，自由度 1，p = .047。平均得分为正表示生存时间长于另一组：新疗法组的平均得分为 8.56。
输出表格说明
- 寿命表
- 每个区间：起始时间、进入人数、退出人数、暴露于风险的人数（进入人数减去一半退出人数）、终点事件数、终止比例与生存比例、累积生存比例、概率密度和风险率，均附标准误。脚注给出中位生存时间。
- 总体比较
- 所有组的 Wilcoxon（Gehan）统计量、自由度和显著性；若请求成对比较，则每对一行。平均得分显示哪组生存更久：平均得分为正表示时间更长。
前提假设与注意事项
- 退出在每个区间内均匀分布，因此其中一半计入暴露于风险的人数。
- 删失为非信息性删失，生存与进入研究的日历时间无关。
- 每个区间内风险大致恒定；区间过宽会掩盖风险的变化。
- 权重须声明为整数频数权重；抽样权重会使该过程停止运行。
结果如何验证
主流统计库都不能复现 SPSS 的精算寿命表，因此引擎以按 SURVIVAL 算法独立编写的 NumPy 实现为参照，在含权重的 150 例参考数据上检验：进入人数、暴露人数、终止比例、累积生存比例及其标准误、密度、风险率及其标准误、中位数，以及 Gehan（Lee-Desu）统计量与 p 值均一致到 1e-9。 验证证据（英文）
常见问题
区间应设多宽？
宽度应使大多数区间包含若干事件，同时又足够窄以显示风险的变化。例如两年的月度流失数据，通常采用 3 个月或 6 个月的区间。
为什么中位数与 Kaplan-Meier 中位数不同？
寿命表中位数在累积生存比例跨过 0.5 的区间内插值得到，而 Kaplan-Meier 直接取精确的事件时间。区间越窄，两者越接近。
Gehan 检验与 Kaplan-Meier 中的 Breslow 检验相同吗？
两者都是对早期差异加权较重的广义 Wilcoxon 检验，但计算方式不同。此处的 Gehan D 统计量比较的是个体生存时间（Lee-Desu），而不是分组后的区间。
最后一个开放区间是什么？
超过最后界限的所有时间都归入一个没有宽度的最后区间，因此无法计算其密度和风险率，显示为 —。
相关过程
用你自己的数据运行寿命表
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。