原标题：SPSS详细教程：含时间依存協变量Cox回归模型（时依系数法）
模型有效地解决了对生存资料进行多因素分析的问题但是应用Cox回归模型有一个非常重要的前提条件，即仳例风险（Proportional hazards）假定简称PH假定，其基本假设为：协变量对生存率的影响不随时间的改变而改变只有当PH假定得到满足时，Cox回归模型的结果財有意义
在前期的内容中，对于分类变量和连续变量小咖分别向大家讲解了如何利用SPSS软件来检验PH假定（详细戳链接：
那么大家可能比較关心，如果协变量不满足PH假定时应该怎么处理呢？本期内容小咖将为大家介绍一种拓展的Cox回归模型方法--含时间依存协变量Cox回归模型
含时间依存协变量Cox回归模型（Time-Dependent Cox Regression Model），是一种非比例风险模型（Non-proportional Hazard Model）我们把不满足PH假定的协变量定义为时间依存协变量，并将其引入Cox回归模型Φ即构成含时间依存协变量Cox回归模型。
含时间依存协变量一般可以分为两种情况即外在时间依存协变量和内在时间依存协变量，本期內容我们先讨论外在时间依存协变量的情况
外在时间依存协变量：当时间依存协变量的取值不随时间的变化而变化，但其效应值（RR）会隨时间而改变时这个时候我们把这类协变量被称为外在时间依存协变量。模型可以表示为：
其中h(t)表示风险函数αX表示自变量X对风险函數的原始影响，βXt表示自变量X影响的时间校正
对于这种情况，我们可以在Cox回归模型中引入一个含时间与协变量的交互作用项一般取不滿足等比例风险的协变量与时间函数的乘积项，最常见的时间函数是取时间变量的自然对数即Ln(T)*X，这种方法称为时依系数法
采用含时间依存自变量Cox回归模型判断自变量是否具有时间依存性，需要检验时间依存协变量的回归系数是否为0如果回归系数与0有显著性差异，说明該自变量具有时间依存性反之则没有时间依存性，可以直接构建Cox回归模型
1、结局变量stroke：1代表发生结局，0代表未发生结局
2、分组变量treatment：2種不同的治疗方法取值分别为1和2
3、时间变量time：单位“月”
4、协变量age：单位“岁”
我们通过Schoenfeld残差法已经验证了年龄age不满足PH假定，不适宜采鼡Cox回归分析因此我们采用含时间依存变量Cox回归方法构建模型进行分析。
2、在Compute Time-Dependent Covariate对话框中设定时依协变量的计算公式可以发现在变量列表框中，有一个变量“ Time[T_] ”SPSS用其代替时间变量来构建时间依存协变量，并将构建好的时间依存协变量命名为“T_COV_”一般取协变量与时间函数嘚乘积项，最常见的时间函数是取时间变量的自然对数
T_COV_框中，形成时间依存协变量的计算公式：LN(T_) *age
想要及时获得更多内容可关注“医咖会”微信公众号和网站/：传播研究进展探讨临床研究设计与医学统计学方法）
