【4】比例风险（PH）假定检验：比例风险假定是Cox回归的前提条件，可以通过计算检验，也可以通过图示法。

【4】比例风险（PH）假定检验：比例风险假定是Cox回归的前提条件，可以通过计算检验，也可以通过图示法。

4.1计算检验命令：整体检验estat phtest；单独检验每个协变量estat phtest, detail

菜单可通过以下途径进入

①统计>>生存分析>>回归模型>>比例风险假设检验；

②图形>>生存分析图>>stcox后比例风险假设检验；

③统计>>后验估计，在打开的[后验估计选择器]中选择[比例风险假定的检验]；

点击[开始]进入对话框[estat-后验估计统计量]，选择[基于Schoenfeld残差的比例风险假设检验(phtest)]。如想进一步检验每个协变量的比例风险假定，可在继续点击对话框[estat-后验估计统计量]中的[选项]按钮，在打开的对话框中选择复选框[单独检验每个协变量的比例风险假设]。

结果显示P>0.05，满足比例风险假设。

4.2 图示法可以通过生存函数的双对数图(Log-log plot of survival)与Kaplan–Meier与Cox预测的生存曲线图(Kaplan–Meier and predicted survival plot)

stphplot plots sln{−ln(survival)} curves for each category of a
nominal or ordinal covariate versus ln(analysis time). These are often
referred to as “log-log” plots. Optionally, these estimates can be
adjusted for covariates. The proportional-hazards assumption is not
violated when the curves are parallel.

stcoxkm plots Kaplan–Meier observed survival curves and compares them
with the Cox predicted curves for the same variable. The closer the
observed values are to the predicted, the less likely it is that the
proportional-hazards assumption has been violated.

4.2.1 Log-log plot of survival可以拟合命令单独或者分层的Cox模型，并可根据调整变量进行调整。

命令1：stphplot, by(recur)

根据分类变量recur拟合单独的Cox模型，结果是下图左；

命令2：stphplot, strata(recur) adjust(age) zero

根据分类变量recur拟合分层的Cox模型，并根据变量age进行调整，调增方法是将age值调整为0（默认是均值），结果为下图右。

菜单可通过以下途径进入stphplot-生存函数的双对数图(Log-log plot of survival)

①统计>>生存分析>>回归模型>>比例风险假设的图形评估；

②图形>>生存分析图>>比例风险假设检验；

选入相应的自变量和分层变量即可。

> 结果显示变量recur两个水平基本“平行”，满足比例风险的假定。

4.2.2 Kaplan–Meier and predicted survival plot命令：stcoxkm, by(recur)

当然你可以单独绘制recur两个水平的观测预测曲线：stcoxkm, by(recur) separate

菜单操作：

①统计>>生存分析>>回归模型>>Kaplan–Meier生存曲线和Cox预测曲线比较；

②图形>>生存分析图>>Kaplan–Meier和Cox生存曲线比较；

选入相应的自变量即可。

结果显示Kaplan–Meier观测曲线与Cox回归预测曲线重合性较好，满足比例风险假设。

如果运气不好，你的数据违背了比例风险的假定，可以考虑采用含时依协变量的Cox回归，而且含时依协变量的Cox回归也可以作为验证比例风险的假设的一种手段。个人理解，这个所谓时依协变量，其实就是在Cox回归里构建的一个交互作用项。这个关于含时依协变量的Cox回归我们放在以后分享。