生存分析
| 生存分析 | |
|---|---|
| 英文名 | Survival Analysis |
| 学科归属 | 统计方法 |
| 核心含义 | 分析事件发生所需时间及其影响因素的统计方法体系 |
| 核心难题 | 删失数据(观察期内事件未发生或失访) |
| 主要方法 | 生命表、Kaplan-Meier 曲线、Cox 回归 |
| 相关条目 | 纵向数据分析、效应量、多水平模型|} |
生存分析是研究"事件何时发生"的统计方法体系:它处理的对象不是"是否发生",而是"从起点到事件发生经过的时间"——病人从确诊到死亡、员工从入职到离职、来访者从治疗开始到复发、用户从安装到流失。
这类数据的共同特点是删失:研究结束时部分个体的事件尚未发生,或者中途失访——我们只知道他们"至少活到了观察期结束",而不知道确切时间。普通回归把删失个案当缺失删除或按"未发生"处理,都会产生系统偏差;生存分析的全部技术设计,都是为了在删失存在的前提下做出无偏估计。
删失与基本概念
生存分析的基础概念包括:
生存时间:从起点事件到终点事件的时长。起点的界定必须明确且对所有人一致。
删失:分三类——右侧删失(观察结束时事件未发生,最常见)、左侧删失(事件发生在观察开始之前)、区间删失(只知道事件发生在某区间内)。方法的选择依删失类型而定。
生存函数:S(t) = P(T > t),即经过时间 t 事件尚未发生的概率。生存曲线是它的图形表达。
风险函数:h(t),即在已存活到 t 的条件下,事件在 t 附近瞬间发生的条件概率。"风险"不等于"概率",其量纲是单位时间的事件率。
生存分析与普通分析的对照可以说明其必要性:若只比较两组在研究期末的"是否复发"比例,等于忽略复发的时间信息——早期复发与末期复发在比例上相同,临床含义却完全不同。
描述性方法
生存数据的描述有两件标准工具。
Kaplan-Meier 估计:以逐步连乘的方式估计生存函数,充分利用每个事件发生时点的信息,删失个案在删失之前仍贡献"存活"信息。生存曲线是医学与心理学研究报告的标准图形。
生命表:把时间切成区间,报告各区间的存活率,适合大样本与分组区间的描述。
组间比较用对数秩检验:比较两组生存曲线的整体差异,是 Kaplan-Meier 曲线的标准配套检验。对数秩检验只回答"有没有差异",不量化影响的大小、也不处理多变量。
Cox 比例风险回归
Cox 回归是生存分析应用最广的模型:它不假定风险函数的具体形状,只假定各协变量组的风险之间存在恒定的比例关系。
模型的核心输出是风险比(HR):协变量每增加一个单位,事件瞬时风险变为原来的多少倍。HR 大于一表示该因素提高事件风险(如某特质提高离职风险),小于一表示保护作用。
Cox 模型的关键假定是比例风险:各组生存曲线的相对关系不随时间改变。检验方法包括对数秩图检查、协变量与时间的交互项检验。假定违反时的处理包括加入时间交互(效应随时间变化)、分层分析,或改用参数模型与加速失效时间模型。
协变量的处理还有两个特有问题:时变协变量(如婚姻状态在随访中改变)需要按时间分段重新组织数据;左截断(个体进入观察前已有风险暴露)需要条件性地调整风险集。
心理学应用
生存分析在心理学及相关领域的应用正在扩展。
临床与流行病学研究:治疗后的复发时间、症状缓解时间、自杀风险的时间窗,是生存分析的成熟应用领域。
组织研究:员工离职时间的建模——"何时走"与"是否走"的信息量不同;新员工早期流失率与入职因素的关系。
发展研究:发展里程碑的达成时间(如语言获得的时点),删失正是发展研究数据的常态(观察结束时部分儿童尚未达成)。
健康行为研究:戒烟保持时间、戒断后复吸时间,复发预防研究的标准结局。
教育与消费行为:辍学时间、用户流失时间。
这些应用的共同点是研究者关心时间维度本身:预防的意义在于推迟事件,把"推迟了多少"作为结局指标,比二分结局更贴近干预目标。
这一转换一旦完成,大量被二分化处理的时间数据都能得到更贴近研究问题的分析。
与 Cox 模型并列的参数方法
除 Cox 半参数模型外,生存分析还有一类参数模型:直接假定风险函数的数学形式。
指数模型:风险恒定不变,适合事件率稳定的机械性过程。威布尔模型:允许风险随时间单调增减(如新设备的故障率上升、新员工的流失率随入职时间下降),是应用最广的参数选择。对数逻辑斯谛与对数正态模型:风险先升后降的驼峰形状,适合治疗后复发率中期达峰的情形。Gompertz 模型:风险随年龄指数增长,常用于长寿与衰老研究。
参数模型的优劣对比明确:当假定形式与真实风险形状接近时,参数模型效率更高、外推能力更强(可估计超出观察范围的行为);假定失真时估计有系统偏差,而 Cox 模型对形状不设假定、始终稳健。选择的经验法则是:探索阶段先画对数累积风险图判断形状,形状清晰且样本不大时用参数模型,形状不明时默认 Cox。
参数模型还有一个实用变体——加速失效时间模型:协变量直接作用于时间量尺("某因素使事件时间缩短 20%"),其系数的时间含义比风险比更贴近直觉,在教育与行为研究中的可解释性优势明显。
使用要点
应用生存分析需要注意的操作要点包括:
起点的明确界定:起点不同则时间含义不同,报告必须写清起点与终点事件的操作定义。
删失机制的合理假定:标准方法假定删失与风险独立(非信息性删失)。若失访与风险相关(病重的更容易失联),估计会有偏;敏感性分析是必要的配套。
事件率与样本量:事件数(而非总人数)决定模型的检验力;低事件率研究中,大样本也可能检验力不足。
竞争风险:若个体可能经历多种互斥的终点(因辞职或因解雇离开公司),单一终点模型会高估目标事件风险,需用竞争风险模型。
生存分析的软件支持成熟,主流统计环境均有完整实现。对心理学研究者而言,最大的门槛不是计算而是概念转换:把"是否发生"的思维换成"何时发生、风险如何随时间与因素变化"的思维——这一转换一旦完成,大量被二分化处理的时间数据都能得到更贴近研究问题的分析。