关于假设检验工作原理的一般信息

在进行 Cox 比例风险回归时，Prism 提供了三种不同的假设检验来评估指定模型与给定数据的拟合程度。与所有假设检验一样，这些检验的工作方式是首先定义一个零假设（H0）。然后，每个检验使用数据和模型中的可用信息生成检验统计量和相应的 P 值。该 P 值表示获得与假设零假设为真时计算出的检验统计量一样大（或更大）的概率。因此，还需要设定一个（大多是任意设定的）阈值，以确定何时该概率被认为 "足够小"。这个阈值被称为α（α）水平，通常设置为等于 0.05。如果得到的 P 值小于 α（即假设零假设为真，检验统计量与得到的统计量一样大或更大的概率小于 5%），那么我们就拒绝接受零假设。

记住：不能拒绝参数估计值为零的零假设，并不能证实这个假设！！只能说根据数据无法拒绝该假设。

Prism 为 Cox 比例风险回归提供的每个假设检验都使用相同的全局零假设。即 H0:β=0。换句话说，零假设是所有预测变量的参数系数均为零（或者，等价于风险比率变量均为 1.0）。另一种思路是，在零假设下，最佳拟合优度模型是预测变量的变化对危险率没有影响。

Prism 提供的三种假设检验包括

•部分似然比检验（也称为对数似然比检验或 G 检验）

•沃尔德检验

•得分检验

这些检验均使用最大对数部分似然估计（或 MPLE），其中涉及的数学知识非常复杂，超出了本指南的范围。不过，如上所述，这些检验都能对模型和数据进行类似的评估。也就是说，如果每个检验的统计检验值足够大，我们就可以拒绝模型参数估计为零的零假设。