Cox 比例风险回归分析参数对话框的 "图形 "选项卡用于生成直观表示指定组别随时间变化的估计生存概率的图形。需要注意的是，这些估计生存曲线是由分析中定义的模型所选模型生成的，并不代表使用所选数据进行Kaplan-Meier 生存分析所生成的生存曲线。相反，这些生存曲线是利用 Cox 回归的一个关键假设生成的：特异性假设是，任何个体（或由一组预测变量定义的个体组）的风险与某些基线风险成比例。这一假设的结果是，估计的生存曲线都具有相同的基本形状（包括在相同的时间点都有 "台阶"）。这是因为每条估计生存曲线都是用基线生存率计算出来的（本页将讨论）。在一组特异性预测变量的作用下，特定个体/群体的估计生存率与基线生存率之间的关系为：

 

这个等式可以用每个预测因子变量的风险比来代替参数估计值：

 

从本质上讲，这意味着某个个体或组别（模型中的预测因子有一组指定值）在所有时间的估计存活率将按比例高于或低于基线存活率。改变预测因子变量的值永远不会改变估计生存曲线的整体形状，只会改变新的估计生存曲线与确定的基线生存曲线的比例关系。

在指定 Prism 生成估计生存曲线时应使用的预测因子变量时，有两个概念需要牢记：

•如果没有指定预测因子变量，则在生成估计生存曲线时假定该变量取其基线值

•Prism 会自动确定指定预测因子变量值的所有可能组合，并为每种组合生成估计生存曲线

考虑一个将年龄作为连续预测因子变量的模型（未先将数据居中）。该变量的基线值为零（因为它是连续的）。在生成估计生存曲线时，如果没有指定年龄值，生成的曲线将表示年龄等于零时的估计生存率。在大多数情况下，这可能不会有太大意义（例如，类似于体重或身高为零）。因此，如果连续变量被确定为模型中的重要预测因子，则应考虑在指定估计生存曲线时包含该变量的值。

当使用分类变量指定估计生存曲线时，可能会有许多不同的水平组合来定义不同的组别。请考虑两个变异性变量：

•性别，两个级别 "女性 "和"男性

•Treatment_Group（治疗组），三个层次："对照组"、"标准治疗组"和"实验治疗组"。

使用这两个分类变量，可以定义六个不同的组：

1.对照组中的女性

2.标准治疗组中的女性

3.实验治疗组中的女性

4.对照组中的男性

5.标准治疗组男性

6.实验治疗组中的男性

只需在参数对话框中选择两个变量（以及每个变量的适当水平），Prism 就会自动确定图表所需的单个估计生存曲线的数量，而无需手动定义所有六个组合。在上面的本示例中，如果增加第三个变量，即血糖浓度的"低"、"中"和"高"水平，则组合总数将增加到 18 个。但使用 Prism 时，您只需选择这三个变量（和水平），而无需手动指定所有 18 种不同的组合。