Translation not up to date
Cox Regression vytváří prediktivní model pro data typu time-to-event. Model vytvoří funkci přežití, která předpovídá pravděpodobnost, že se v daném okamžiku vyskytne událost úroku t pro dané hodnoty proměnných prediktoru. Tvar funkce přežití a regresní koeficienty pro prediktory se odhadují na základě pozorovaných subjektů; model lze poté použít na nové případy, které mají měření pro proměnné prediktoru.
Všimněte si, že informace z cenzurovaných předmětů, tj. ty, které nemají zkušenosti s událostí zájmu v době pozorování, přispívají užitečně k odhadu modelu.
Příklad. Jako součást svého úsilí o snížení počtu zákazníků v oblasti chvění se telekomunikační společnost zajímá o modelování času do churn , aby bylo možné určit faktory, které jsou přidruženy k zákazníkům, kteří se rychle přepnou na jinou službu. Za tímto účelem je vybrán náhodný vzorek zákazníků a jejich doba strávená jako zákazníci (bez ohledu na to, zda jsou stále aktivními zákazníky) a různá demografická pole jsou stažena z databáze.
Flag, s řetězcem nebo celým úložištěm. (Úložiště lze v případě potřeby převést pomocí výplňové nebo Odvozené uzlu.) Pole nastavená na Both nebo None se ignorují. Pole použitá v modelu musí mít plně konkretizovány typy jejich typů. Doba přežívání může být libovolné numerické pole.Data a časy. Pole Datum a čas nelze použít pro přímé definování doby přežití; pokud máte pole Datum a čas, měli byste je použít k vytvoření pole obsahujícího doby přežití, založené na rozdílu mezi datem záznamu do studie a datem pozorování.
Kaplan-Meierova analýza. Cox Regrese může být provedena bez vstupních polí. To je totéž jako Kaplan-Meierova analýza.