关于假设检验如何工作的一般信息

进行Cox比例风险回归时，Prism提供了三种不同假设检验供选择，以评估指定模型与给定数据的拟合程度。类似其他所有假设检验，这些检验的工作方式是首先定义一个零假设（H0）。然后，每项检验使用来自数据和模型的可用信息来生成检验统计量和相应的P值。该P值代表获得一个检验统计量的概率，该概率与假设零假设为真时计算的概率一样大（或更大）。因此，还需要设置一个阈值（大部分情况下任意设置），以确定何时将该概率视为“足够小”。该阈值称为阿尔法（α）水平，通常设置为等于0.05。如果获得的P值小于α（即假设零假设为真，检验统计量与获得的统计量一样大或更大的概率小于5%），则拒绝零假设。

记住：未能拒绝参数估计值为零的零假设，并不能证实此假设！！换言之，在给定数据的情况下，不能拒绝该假设。

对于Prism提供的Cox比例风险回归的每个假设检验，使用相同的全局零假设。即，H0:β=0。换言之，表明零假设是指所有预测变量的参数系数均为零（或者，相当于，风险比均为1.0）。另一种思考方式是，在零假设下，最佳拟合模型是预测变量的变化对风险比无影响的模型。

Prism提供的三个假设检验如下：

•部分似然比检验（又称“对数似然比检验”或“G检验”）

•Wald检验

•评分检验

每项检验均利用最大对数部分似然估计值（或MPLE），所涉及的数学运算非常复杂，超出本指南的范畴。但如上所述，每项检验均以类似方式评估模型和数据。即，如果每项检验的统计量足够大，可以拒绝模型参数估计值为零的零假设。