Cox回归模型又称为比例风险回归模型，该模型以生存结局和生存时间作为因变量，进而分析众多因素对生存期的影响，是一个典型的多因素分析方法。
SPSS中就带有Cox回归模型方法，本节将带大家进行深入的了解与探索，话不多说，开始我们的教学之旅。
一、演示数据
本文中采用的演示数据如图1，将70条患者数据按照不同的治疗方式分为2组，第一组采用新药治疗，第二组采用常规治疗，我们将要探索两种不同的治疗方式对患者的生存是否有差异。
其中，治疗方式分为0（常规治疗）和1（新药治疗）；性别分为0（女）和1（男）；年龄分为0（小于60岁）和1（大于60岁）；生存时间表示患者生存周数；生存结果也分为0（存活）和1（死亡）。
图1：演示数据
二、Cox回归分析
第一步：打开【分析】--【生存分析】--【Cox回归】，进入Cox回归操作界面。
图2：Cox回归
第二步：在时间栏中，选择【生存时间】，在状态栏中，选择【生存结果】，然后点击定义事件按钮，为状态变量定义事件，因为我们的事件只有生存（0）和死亡（1）两种，因此选择【单值】，并输入【1】，随后点击继续，在协变量一栏中选择其他的各项指标，并设置方法为【向前：LR】，具体操作步骤已在图3中用数字标注。
图3：Cox设置
接下来点击右侧分类按钮，定义分类协变量，选择分类协变量为“治疗方式”，参考类别为第一个，如图4。
图4：定义分类协变量
如果我们要绘制不同治疗方式组的生存曲线，那么还需要点击右侧的“图”按钮，在图类型界面中，勾选“生存分析”，并选择绘制线条为“治疗方式”，如图5。
图5：绘制治疗方式对应生存曲线
最后点击“选项”按钮，勾选上“Exp的置信区间”，默认采用95%的置信区间，然后勾选“在最后一个步骤”显示模型信息，点击“继续”，生成Cox回归模型结果。
图6：选项设置
三、结果分析
我们直接看下方的治疗方式与生存曲线图，可以非常明显地看出，新药治疗方式（绿色的上方曲线）相比于常规治疗方式（蓝色的下方曲线），生存概率要更高。
图7： 生存曲线图
这样我们就完成了采用Cox回归模型，绘制治疗方式与生存时间的曲线图，直观地看出治疗方式之间对生存结果带来的差异。通过简单的几个步骤，IBM SPSS Statistic帮我们快速应用了数学模型，生成统计结果，并在表格和图表中进行了分析展示，该软件非常适合我们在日常的工作和学习生活中进行使用。
