Cox 回归(固定协变量)
Cox 回归对含右删失单元和一个或多个数值型协变量的失效时间数据拟合比例风险模型。它给出每个系数及其标准误、Z、p 值,以及带置信区间的风险比,并绘制协变量取平均值时的生存图。它假定每个协变量的效应不随时间变化,且对对数风险呈线性。
最后审阅
核心要点
Cox 回归利用含未失效单元的寿命数据,将失效风险与温度或振动等测量因子联系起来,无需选择寿命分布,即可给出每个因子的风险比。
用途
Cox 回归(固定协变量)利用部分单元尚未失效的寿命数据,将失效风险与一个或多个测量因子(如工作温度、振动、载荷或供应商)联系起来。它为每个因子给出风险比:该因子每增加一个单位,失效风险会变化多少,且无需选择寿命分布。可用于现场数据或试验数据,找出哪些条件会缩短寿命以及缩短多少。
主要功能
- 含一个或多个数值型协变量的比例风险模型。
- 处理右删失数据:即观测停止时仍在运行的单元。
- 给出每个协变量的系数、标准误、Z 统计量和 p 值。
- 给出风险比及其置信区间,置信水平可自选。
- 绘制所有协变量均取平均值时某一单元的生存图。
统计方法
该模型为 Cox 比例风险模型:h(t | Z) = h₀(t) · exp(β₁Z₁ + β₂Z₂ + ...),其中 h(t | Z) 为协变量取值为 Z 的单元在时间 t 的失效率,h₀(t) 为不设定任何特定形式的基线风险。系数 β 通过最大化偏似然估计(失效时间出现结值时采用 Breslow 法),该方法只用到单元失效的先后顺序以及每个失效时间点仍处于风险中的单元。删失单元在其删失时间之前均计为处于风险中。
标准误取自估计值处对数偏似然 Hessian 矩阵的逆。每个系数用 Wald 统计量 Z = coef / SE 对照标准正态分布进行检验。风险比为 exp(coef):在其他协变量保持不变的情况下,该协变量每增加一个单位,失效率所乘的倍数。风险比大于 1 表示风险较高,小于 1 表示风险较低。其置信区间为 exp(coef ± z·SE),其中 z 为对应置信水平的标准正态分布值。对于 k 个单位的变化,风险比为 exp(k · coef)。
该模型假定每个协变量的效应在所有时间点都相同(比例风险),并且对对数风险的效应与协变量呈线性关系。在删失列中,等于删失值的行为删失,其余各行均为失效。生存图展示所有协变量均取样本均值的单元的拟合生存曲线;它在时间 0 处从 1 开始,并在每个失效时间点阶梯式下降。
输入字段和选项
字段 | 说明 |
Time variable | 必填。失效时间,或仍在运行的单元的删失时间。 |
Use censoring column | 必填。等于删失值的行为右删失,其余各行均为失效。每一行都必须有值。 |
Censoring value | 删失列中用于标记观测停止时仍在运行的单元的值。默认为 0,因此 1 表示失效。 |
Covariates (predictors) | 一个或多个数值型预测变量列。按住 Ctrl 或 Command 可多选。 |
Confidence level (%) | 用于风险比置信区间。默认为 95;范围 50 至 99.99。 |

图 1 — 示例的选项:以 Months 作为时间,以 Status 作为删失列(0 = 仍在运行),以工作温度和振动作为协变量。
输出说明
- Model summary —— Log-Likelihood、N (Observations) 和 N (Events)(失效数)。
- Coefficients —— 每个预测变量的 Coef、SE Coef、Z、P、Hazard Ratio 及其置信下限和上限。
- Cox Regression Survival Plot (at mean covariate values) —— 协变量均取平均值的单元的拟合生存概率随时间变化的曲线。
- 通过 Download 导出 PDF。

图 2 — 60 台泵的结果:工作温度每升高 1 °C 的风险比为 1.06,振动每增加一个单位的风险比为 1.36,二者在 5% 水平上均显著;图中还有平均温度和平均振动下泵的生存曲线。
计算示例
一名维护工程师对 60 台离心泵进行了最长 36 个月的跟踪。其中 23 个轴承失效;其余 37 台泵在结束时仍在运行,在 36 个月处被删失。工程师掌握每台泵的工作温度(°C)和实测振动水平,想了解温度和振动是否会提高轴承失效的风险。工程师设置 Time variable = Months、Use censoring column = Status 且 Censoring value = 0,并在 95% 置信水平下选择 Operating Temp C 和 Vibration Level 作为协变量。
工作温度的系数为 0.0580(p = 0.0137),风险比为每 °C 1.060(95% CI 1.012 至 1.110)。在 10 °C 范围内,该值为 exp(10 × 0.0580) = 1.79:温度高 10 °C 运行的泵,失效风险约为原来的 1.8 倍。振动水平的系数为 0.3075(p = 0.0379),风险比为每单位 1.360(95% CI 1.017 至 1.818):振动每增加一个单位,失效风险约提高 36%。两项效应在 5% 水平上均显著,且两个置信区间均不包含 1。
在维护计划方面,应优先检查高温和高振动的泵,降低其中任何一项都有可能延长轴承寿命。从模型中去掉 Vibration Level 后,温度的风险比几乎不变(每 °C 1.064),因此这两项效应在很大程度上是相互独立的。生存图显示了平均温度(74.3 °C)和平均振动(3.72)下泵的预期生存率:12 个月时为 0.918,24 个月时为 0.769,36 个月时为 0.652,因此这类泵中约有三分之一需要在三年内更换轴承。
常见问题
Cox 回归中的风险比是什么?
风险比为 exp(coef):在其他协变量保持不变的情况下,该协变量每增加一个单位,失效率所乘的倍数。大于 1 表示风险较高,小于 1 表示风险较低。对于 k 个单位的变化,风险比为 exp(k x coef);在泵的示例中,温度高 10 °C 运行时失效风险约为原来的 1.8 倍。
Cox 回归有哪些假设?
该模型假定比例风险,即每个协变量的效应在所有时间点都相同,并且对对数风险的效应与协变量呈线性关系。基线风险不设定任何特定形式,因此无需选择寿命分布。
Cox 回归如何处理删失数据?
右删失单元,即观测停止时仍在运行的单元,在其删失时间之前均计为处于风险中。系数通过最大化偏似然估计,该方法只用到单元失效的先后顺序以及每个失效时间点仍处于风险中的单元,失效时间出现结值时采用 Breslow 法。
如何在 Zometric Statistical Software 中进行 Cox 回归?
选择时间变量、删失列,以及标记仍在运行单元的删失值(默认为 0,因此 1 表示失效),然后选择一个或多个数值型协变量和置信水平(默认 95%)。输出包括模型汇总、含风险比和置信限的系数表,以及协变量取平均值时的生存图。
