Cox-Regression (feste Kovariaten)

Die Cox-Regression passt ein Proportional-Hazards-Modell an Ausfallzeitdaten mit rechtszensierten Einheiten und einer oder mehreren numerischen Kovariaten an. Sie gibt jeden Koeffizienten mit Standardfehler, Z, p-Wert und Hazard Ratio samt Konfidenzintervall aus, dazu ein Überlebensdiagramm bei mittleren Kovariatenwerten. Sie setzt voraus, dass der Effekt jeder Kovariaten zeitlich konstant und auf das logarithmierte Hazard linear ist.

Zuletzt geprüft

Kernaussage

Die Cox-Regression verknüpft das Ausfallrisiko mit gemessenen Faktoren wie Temperatur oder Vibration, nutzt Lebensdauerdaten mit nicht ausgefallenen Einheiten und liefert je Faktor ein Hazard Ratio, ohne Wahl einer Lebensdauerverteilung.

Auf dieser Seite
  1. Zweck
  2. Wichtige Funktionen
  3. Statistische Methoden
  4. Eingabefelder und Optionen
  5. Beschreibung der Ausgabe
  6. Beispiel

Zweck

Die Cox-Regression (feste Kovariaten) setzt das Ausfallrisiko in Beziehung zu einem oder mehreren gemessenen Faktoren wie Betriebstemperatur, Vibration, Last oder Lieferant und verwendet dabei Lebensdauerdaten, in denen einige Einheiten noch nicht ausgefallen sind. Sie gibt für jeden Faktor ein Hazard Ratio (Risikoverhältnis) aus: um wie viel sich das Ausfallrisiko je Einheit Zunahme dieses Faktors ändert, ohne dass eine Lebensdauerverteilung gewählt werden muss. Setzen Sie sie bei Feld- oder Prüfdaten ein, um herauszufinden, welche Bedingungen die Lebensdauer verkürzen und um wie viel.

Wichtige Funktionen

  • Proportional-Hazards-Modell mit einer oder mehreren numerischen Kovariaten.
  • Verarbeitet rechtszensierte Daten: Einheiten, die bei Ende der Beobachtung noch in Betrieb waren.
  • Koeffizient, Standardfehler, Z-Statistik und p-Wert für jede Kovariate.
  • Hazard Ratio mit einem Konfidenzintervall zum gewählten Niveau.
  • Überlebensdiagramm für eine Einheit beim Mittelwert jeder Kovariaten.

Statistische Methoden

Das Modell ist das Proportional-Hazards-Modell nach Cox, h(t | Z) = h₀(t) · exp(β₁Z₁ + β₂Z₂ + ...). Dabei ist h(t | Z) die Ausfallrate zum Zeitpunkt t für eine Einheit mit den Kovariatenwerten Z, und h₀(t) ist ein Basis-Hazard, für das keine bestimmte Form vorgegeben wird. Die Koeffizienten β werden durch Maximierung der partiellen Likelihood geschätzt (Breslow-Methode für gleiche Ausfallzeiten), die nur die Reihenfolge der Ausfälle und die zu jedem Ausfallzeitpunkt noch unter Risiko stehenden Einheiten verwendet. Eine zensierte Einheit zählt bis zu ihrem Zensierungszeitpunkt als unter Risiko.

Die Standardfehler ergeben sich aus der Inversen der Hesse-Matrix der logarithmierten partiellen Likelihood am Schätzwert. Jeder Koeffizient wird mit der Wald-Statistik Z = coef / SE gegen die Standardnormalverteilung getestet. Das Hazard Ratio ist exp(coef): der Faktor, mit dem die Ausfallrate bei einer Zunahme dieser Kovariaten um eine Einheit multipliziert wird, wenn die anderen konstant bleiben. Ein Hazard Ratio über 1 bedeutet höheres Risiko, unter 1 geringeres Risiko. Sein Konfidenzintervall ist exp(coef ± z·SE), wobei z der Wert der Standardnormalverteilung für das Konfidenzniveau ist. Für eine Änderung um k Einheiten beträgt das Hazard Ratio exp(k · coef).

Das Modell setzt voraus, dass der Effekt jeder Kovariaten zu allen Zeitpunkten gleich ist (proportionale Hazards) und dass der Effekt auf das logarithmierte Hazard linear in der Kovariaten ist. In der Zensierungsspalte sind Zeilen, die dem Zensierungswert entsprechen, zensiert, und jede andere Zeile ist ein Ausfall. Das Überlebensdiagramm zeigt die angepasste Überlebenskurve für eine Einheit, bei der jede Kovariate auf ihrem Stichprobenmittelwert liegt; sie beginnt zum Zeitpunkt 0 bei 1 und fällt bei jedem Ausfallzeitpunkt stufenweise ab.

Eingabefelder und Optionen

Feld

Beschreibung

Time variable

Pflichtfeld. Zeit bis zum Ausfall bzw. Zeit bis zur Zensierung bei noch laufenden Einheiten.

Use censoring column

Pflichtfeld. Zeilen, die dem Zensierungswert entsprechen, sind rechtszensiert; jede andere Zeile ist ein Ausfall. Jede Zeile benötigt einen Wert.

Censoring value

Der Wert in der Zensierungsspalte, der eine bei Ende der Beobachtung noch laufende Einheit kennzeichnet. Standard 0, also 1 = Ausfall.

Covariates (predictors)

Eine oder mehrere numerische Prädiktorspalten. Halten Sie Strg oder die Befehlstaste gedrückt, um mehrere auszuwählen.

Confidence level (%)

Für die Konfidenzintervalle der Hazard Ratios. Standard 95; 50 bis 99.99.

cox-regression-inputs


Abbildung 1 – Optionen für das Beispiel: Months als Zeit, Status als Zensierungsspalte (0 = noch in Betrieb), Betriebstemperatur und Vibration als Kovariaten.

Beschreibung der Ausgabe

  • Model summary – Log-Likelihood, N (Observations) und N (Events), die Anzahl der Ausfälle.
  • Coefficients – für jeden Prädiktor: Coef, SE Coef, Z, P, Hazard Ratio sowie dessen untere und obere Konfidenzgrenze.
  • Cox Regression Survival Plot (at mean covariate values) – angepasste Überlebenswahrscheinlichkeit über der Zeit für eine Einheit beim Mittelwert jeder Kovariaten.
  • PDF-Export über Download.

cox-regression-output


Abbildung 2 – Ergebnisse für 60 Pumpen: Hazard Ratio 1.06 je °C Betriebstemperatur und 1.36 je Einheit Vibration, beide auf dem 5-%-Niveau signifikant, sowie die Überlebenskurve für eine Pumpe bei mittlerer Temperatur und Vibration.

Beispiel

Ein Instandhaltungsingenieur beobachtet 60 Kreiselpumpen über bis zu 36 Monate. 23 Lager fallen aus; die übrigen 37 Pumpen laufen am Ende noch und werden bei 36 Monaten zensiert. Für jede Pumpe kennt der Ingenieur die Betriebstemperatur (°C) und einen gemessenen Vibrationspegel. Er möchte wissen, ob Temperatur und Vibration das Risiko eines Lagerausfalls erhöhen. Er setzt Time variable = Months, Use censoring column = Status mit Censoring value = 0 und wählt Operating Temp C und Vibration Level als Kovariaten bei 95% Konfidenz.

Die Betriebstemperatur hat einen Koeffizienten von 0.0580 (p = 0.0137) und ein Hazard Ratio von 1.060 je °C (95-%-KI 1.012 bis 1.110). Über 10 °C ergibt das exp(10 × 0.0580) = 1.79: Eine Pumpe, die 10 °C heißer läuft, hat etwa das 1.8-Fache des Ausfallrisikos. Der Vibrationspegel hat einen Koeffizienten von 0.3075 (p = 0.0379) und ein Hazard Ratio von 1.360 je Einheit (95-%-KI 1.017 bis 1.818): Jede zusätzliche Einheit Vibration erhöht das Ausfallrisiko um etwa 36%. Beide Effekte sind auf dem 5-%-Niveau signifikant, und keines der Konfidenzintervalle enthält 1.

Für die Instandhaltungsplanung sollten heiße Pumpen und Pumpen mit hoher Vibration zuerst inspiziert werden; eine Verringerung des einen oder anderen dürfte die Lagerlebensdauer verlängern. Wird Vibration Level aus dem Modell entfernt, ändert sich das Hazard Ratio der Temperatur kaum (1.064 je °C); die beiden Effekte sind also weitgehend voneinander unabhängig. Das Überlebensdiagramm zeigt das erwartete Überleben einer Pumpe bei mittlerer Temperatur (74.3 °C) und mittlerer Vibration (3.72): 0.918 nach 12 Monaten, 0.769 nach 24 Monaten und 0.652 nach 36 Monaten; etwa ein Drittel solcher Pumpen würde also innerhalb von drei Jahren einen Lagerwechsel benötigen.

Häufig gestellte Fragen

Was ist ein Hazard Ratio in der Cox-Regression?

Das Hazard Ratio ist exp(coef): der Faktor, mit dem die Ausfallrate bei einer Zunahme dieser Kovariaten um eine Einheit multipliziert wird, wenn die anderen konstant bleiben. Über 1 bedeutet höheres Risiko, unter 1 geringeres Risiko. Für eine Änderung um k Einheiten beträgt das Hazard Ratio exp(k x coef); im Pumpenbeispiel ergab ein um 10 °C heißerer Betrieb etwa das 1.8-Fache des Ausfallrisikos.

Welche Voraussetzungen hat die Cox-Regression?

Das Modell setzt proportionale Hazards voraus, d. h., der Effekt jeder Kovariaten ist zu allen Zeitpunkten gleich, und der Effekt auf das logarithmierte Hazard ist linear in der Kovariaten. Für das Basis-Hazard wird keine bestimmte Form vorgegeben, sodass keine Lebensdauerverteilung gewählt werden muss.

Wie behandelt die Cox-Regression zensierte Daten?

Rechtszensierte Einheiten, also solche, die bei Ende der Beobachtung noch in Betrieb waren, zählen bis zu ihrem Zensierungszeitpunkt als unter Risiko. Die Koeffizienten werden durch Maximierung der partiellen Likelihood geschätzt, die nur die Reihenfolge der Ausfälle und die zu jedem Ausfallzeitpunkt noch unter Risiko stehenden Einheiten verwendet, mit der Breslow-Methode für gleiche Ausfallzeiten.

Wie führt man eine Cox-Regression in Zometric Statistical Software durch?

Wählen Sie die Zeitvariable, die Zensierungsspalte und den Zensierungswert, der noch laufende Einheiten kennzeichnet (Standard 0, also bedeutet 1 Ausfall), und wählen Sie dann eine oder mehrere numerische Kovariaten und ein Konfidenzniveau (Standard 95%). Die Ausgabe enthält eine Modellzusammenfassung, eine Koeffiziententabelle mit Hazard Ratios und Konfidenzgrenzen sowie ein Überlebensdiagramm bei mittleren Kovariatenwerten.