估计和检验 Cox 比例风险模型的参数：

在 5% 水平下， 和 的参数估计量均显著不为零：

比较拟合模型与零模型，不包含协变量：

形成相对风险和参数估计的95％置信区间：

求生存概率，并绘制模型估计量：

将 固定为 25，比较 在不同水平下的生存时间与基准生存时间：

将 固定为 25，计算 水平下的中位生存时间：

基准中位生存时间：

在水平为 和 时，个体生存时间超过20的概率：

同一概率的95%置信水平：

拟合分层模型：

各层的观察数目：

绘制水平 和 时的不同风险形式：

模型参数表：

用分类预测变量拟合模型：

数据在每个水平下的估计累积分布函数图形：

向模型添加交互项：

在模型中没有检测到显著的交互：

名义和分层变量可用于交互项：

检验模型参数与特定零假设：

检验 ：

在二个参数自由的情况下检验 ：

使用对比矩阵来检验参数的线性组合：

检验以下零假设：

仅指定一个对比矩阵，检验以下形式的假设：

显示模型的可用属性列表：

创建一个无协变量的模型 （零模型）：

该模型只不过是一个基准生存的估计：

一个等价的零模型：

基函数指定模型中应该包括的可用变量：

对应于每一组四个协变量的参数估计：

不是所有的变量都必须用在基函数中：

基函数同时控制模型各项的函数形式：

模型中各项的参数估计：

使用 EventData 指定右删失或左截断的响应时间：

一个具有随机右删失响应的 Cox 模型：

获取的参数估计值和参数的置信区间：

模型参数 和相对风险估计 ：

关于参数估计值的置信区间：

参数汇总表：

参数表中的各项：

获得各种模型残差：

鞅残差、Cox–Snell 残差和偏差残差：

DFBETA 和按比例缩放的 DFBETA：

Score 和 Schoenfeld 残差：

计算一组经选择的拟合优度度量：

进行全局假设检验：

全局模型显著性的三个检验：

检验表中的条目：

个别检验统计量：

检验局部假设：

检验是否 ：

检验表中的条目：

计算 SurvivalFunction、CDF 或累积风险函数的估计量：

所估计的 SurvivalFunction，其中协变量水平为 和 ：

在时刻 时，所估计的基准 SurvivalFunction、CDF 和累积风险：

制作所估计的 SurvivalFunction 的汇总表：

在协变量水平 和 时的生存汇总：

表格中的条目：

分布函数估计的属性默认为 "SF"：

制作累积风险函数的表格：

计算逐点置信带和置信区间：

一组逐点生存置信区间，其中协变量水平为 和 ：

这些是在模型 "EstimationPoints" 计算的 "PointwiseBands"：

估计同步置信带和置信区间：

一组 Hall–Wellner 同步置信区间，其中协变量水平为 和 ：

这些是在模型 "HallWellnerBands" 计算的 "EstimationPoints"：

另外，也可使用 "EqualPrecisionIntervals" 度量同步置信度：

绘制生存估计和置信带的图形：

在 95% 逐点置信带的基准生存和累积风险图形：

在协变量水平为 和 时的同一图形：

估计中位生存时间：

协变量水平为 和 时的中位生存时间和在基准处的中位生存时间：

估计平均生存时间：

由于右删失，生存函数不能到零；平均值没有良好的定义：

为剩余概率添加模型使得均值可被估计：

改变参数置信区间的置信水平：

使用 90% 置信水平：

该水平可在拟合后改变：

绘制 90% 置信带的生存估计：

在 90% 逐点置信带的基准生存图形：

该水平可在拟合后改变：

ConfidenceLevel 的设置也用于汇总表中：

在90%置信限的累积风险函数汇总：

设定同步置信区间和置信带的置信范围：

置信带仅在置信范围上有定义：

默认时该范围设置为 All：

将范围设置为 Full:

对置信区间和置信带进行变换：

一组可用的变换：

默认使用 "LogLog" 带和区间：

转换能够确保区间和带具有适当的界限：

注意到线性置信限可以超过1.或小于零：

使用 "LogLog" 转换纠正该问题：

自定义转换：

各种已命名转换的显式定义：

选择用于处理同时发生事件的时间的方法：

默认方法使 Breslow 部分似然最大化：

当同时发生的事件比例很高时，估计可能有很大不同：

在缺少同时发生的事件时间时，所有方法是等价的：

选择基准风险估计器：

在默认情况下，基准风险估计量与方法匹配：

一般情况下，估计值非常接近：

可以使用任意处理 tie 的方法和基准方法的组合：

如果最后一个观察值删失，生存将在该点外被 Indeterminate：

子选项 "TailModel" 可以控制该行为：

由物种和治疗两类预测量组成的假设数据：

可以在列表中指定多个名义变量：

治疗的存在看来在5％的水平上显著地降低风险：

为一组由物种和治疗预测量组成的假设数据创建一个分层的 Cox 模型：

在这里，治疗预测量被视为名义变量，物种被视为层变量：

不对层变量进行参数估计：

可以使用列表指定多个层：

每个层的基准生存函数：

设置在计算过程中使用的精度：

使用 30 位精度：

16条狗和9只猫被选为一组测试一种治疗耳螨的新疗法. 随机指定每个动物使用旧药或新药。确定新疗法是否能够延长耳螨再感染的时间（以星期为单位）：

拟合对物种分层的比例风险模型：

新疗法看来能够显著延长耳螨再感染的时间：

使用 Cox–Snell 残差图对拟合进行评估：

图形表明模型对数据的拟合是合理的：

对一组由 90 例被确诊为喉癌的男性患者进行观察. 每个病人被归类为处于四个阶段的癌症之一，其中 1 是最不严重的，而 4 是最严重的. 要研究的是是癌症的阶段是否与生存显著关联：

下表给出了每个阶段与第 1 阶段相比死亡的相对风险：

在 5% 水平下，第 2 阶段患者死亡的风险与第 1 阶段相比没有不同：

求与第 2 阶段喉癌患者相比，第 4 阶段患者死亡的相对风险的估计值：

对第 2 阶段和第 4 阶段喉癌的参数估计：

使用参数协方差矩阵计算估计值的标准误差：

在 5% 水平下，第 4 阶段患者死亡的风险高于第 2 阶段患者：

作图比较各阶段 50 岁患者的生存时间：

在无趋势的零假设下，检验喉癌死亡的风险是否随阶段值增加：

拟合对阶段分层的 Cox 模型：

已知有序层，LogRankTest 可用于进行趋势检验：

基于阶段4个水平的趋势的检验统计量：

拒绝非正趋势的零假设. 死亡率看来随阶段增加而增加：

对101例严重急性髓系白血病的样本进行记录. 在这些患者中，有51例曾接受自体骨髓移植，50例接受异基因骨髓移植. 要研究的是比例风险模型是否对于该数据有效：

拟合对移植类型分层的模型：

对数累积风险相交，表明风险是不成比例的：

对数累积风险的差异是不恒定的：

累积风险的 Anderson 图形不是线性的：