Cox比例风险回归的“选项”标签页提供了多种控制选项和可选结果，Prism 可据此生成分析报告。其中许多用于检验和报告控制数据以及模型诊断的技术，与其他技术（如多元线性回归和多元逻辑回归）相似。

参数的控制数据精度如何？

在拟合Cox比例风险回归模型后，Prism将报告模型中每个预测变量的估计回归系数（β系数）以及风险比（β系数的指数形式）。 Prism 还可以选择性地报告 β 系数的标准误差、系数和风险比的置信区间，以及每个预测因子的 P 值（请注意，给定参数系数的 P 值与相关风险比的 P 值相同）。这些值可用于评估系数估计值的稳定性。 参数估计值的标准误差较大（这意味着置信区间也较大），表明点估计存在相当大的不确定性。P 值可用于评估 β 系数的真实值是否为零（相当于检验风险比的真实值是否为 1.0）。 如果系数的真实值为零（或风险比为1），则相应预测变量的值对模型计算出的危险度将没有影响。

这些变量之间是否存在相互关联或冗余？

Prism 提供了一项选项，可将参数协方差矩阵作为分析结果的一部分，以显示每个参数与其他参数之间的相关程度。如果选择了“相关矩阵”选项，Prism 将生成一个包含参数相关性的额外结果选项卡，并生成相关性的热力图。 此外，Prism 还能量化多重共线性——即每个变量能多大程度上由其他变量预测出来。对于 Cox比例风险回归，这一过程与多元线性回归和多重逻辑回归相同，更多详细信息可参见此处。

比较模型诊断

该对话框部分中有四个可启用的选项，包括：

•赤池信息准则（AIC）

•偏对数似然 (LL)

•负两倍偏对数似然 (-2*LL)

•伪R平方

启用后，每项选项都会针对所选诊断指标，分别报告对话框“模型”选项卡中指定的模型以及拟合至数据的零模型（即不含协变量/预测变量的模型）的数值。默认情况下，仅启用了AIC选项。本页提供了有关这些诊断指标计算方法的更多详细信息。

计算

指定 Prism 在结果中报告数值时应使用的置信水平。默认设置为 95%

用于绘图的附加变量（仅限残差图）

选择可选变量以自定义Cox比例风险回归生成的残差图：

•标签 - 行标识符，例如行号、名称或 ID 号

•符号填充颜色——每个符号的颜色由该变量的值决定，该变量通常不参与计算。通过这种方式对符号进行颜色编码，可以在图表上更详细地展示数据信息。

•符号大小 - 用于调整输出图表中符号的大小。可在“设置图表格式”对话框中细化将数值转换为大小的规则

输出

使用这些控件可指定 Prism 在结果中报告的有效数字位数（适用于除 P 值以外的所有值），并指定在结果中报告 P 值时使用的 P 值样式。