Cox比例风险回归的拟合优度指标可以分为两大类。查看以下每个类别，了解每个类别报告的指标的更多信息。

假设检验

Prism提供有许多不同的检验和指标，可在进行Cox比例风险回归后进行报告。其中三个选项是假设检验的形式，每个选项均有自己独特的零假设。这些检验包括：

•部分似然比检验

•Wald检验

•评分检验

用于执行这些检验的数学相当复杂，严重依赖于也用于确定模型参数系数的最佳拟合值（估计β值）的似然函数。但所有这些检验均使用类似的零假设，即，假设预测变量均未提供任何信息来帮助估计回归模型中的风险（或生存）。换言之，这些检验比较两种回归模型：

•“模型”选项卡中指定的模型：

•零模型（无协变量/预测变量的模型）：

三种检验的检验统计量略有不同，但接受相似的评价。具体而言，假设零假设（所有β值均为零）为真，每项检验生成卡方统计量和相应的P值，该P值表示获得与计算值一样大或更大的检验统计量值的概率。对于这些检验，P值小表示应该拒绝零值，或者零模型不足以描述观察的数据。

一致性统计量

Prism提供了报告Harrell的一致性C统计量的选项。如需了解如何计算此统计量的具体信息，本指南的“Cox比例风险回归的结果解读”部分提供了更多信息。

一致性背后的主要思想在于汇总指定模型在针对输入数据中任何观察结果，预测生存（感兴趣事件前的历时）方面的表现。为实现这一点，需要考虑每一对可能的观察结果。对于每对观察结果，比较感兴趣事件的已知历时，并比较每项观察结果的估计风险比。C统计量是指估计风险比较大的观察结果同时也是感兴趣事件观察历时较短的观察结果的配对百分比。

C统计量可以取0-1之间的任何值。值为1表示，模型正确预测每对观察结果的生存时间更长（风险比更小）。C统计量为0.5表示，模型仅正确预测50%的观察结果对，这意味着该模型并未优于随机几率（“翻硬币”）。值小于0.5表明，模型比随机几率更差，表明可能需要重新考虑该模型中的一些约束。

该概念可能看起来类似于ROC曲线下面积的逻辑回归的拟合优度指标。事实上，逻辑回归C统计量与ROC曲线AUC等效。