? Probability for Stepwise：模型保留变量的显著性水平。 Entry：系统默认选入变量为P≤0.05。 Removal：系统默认剔除变量为P＞0.10。
Maximum Iterations：最大迭代次数，系统默认20次。
Display baseline function：输出风险基准函数以及基于各协变量均值的生存函数与风险函数。 操作如下：
1. Analyze==>Survival ==>Cox regression 2. Time框：选入survival time
3. Status框：选入status；击define events钮,在single value框右边的空格中输入1；
4. Covariate框：选入x1,x2,x3,x7,x8; 5. Categorical列表框：选入x8; 6. Plots 列表框：
? Plot Type:选survival; ? Separate Line for:选入x8; 7. Option列表框： ? Model Statistics:
选CI for exp(?):输出回归系数?的95%可信区间。 选Correlation of estimate:输出自变量的相关矩阵。 单击OK钮
13.3.2 结果解释： Cox Regression
上表输出总例数、删失例数、失访例数。
输出各种癌症的频数及系统所赋的亚变量x81、x82、x83值，当癌症类型是鳞癌时，x81取值为1，其它亚变量取值为0，依此类推。 Block 0: Beginning Block
模型拟合迭代过程，可不管它。 Block1: Method = Enter
描述模型参数（常数项除外）是否全为0，本例，χ=30.120，自由度υ=7，P=0.000。说明βI不全为0。
2
对回归方程各参数的估计，B即?值；SE，标准误；Wald，Wald卡方；df,自由度；sig，自由度；exp(B)，OR值；95%Ci for EXP(B)，OR值的95%可信区间。
自变量的相关矩阵。本例，X1与X2的相关系数是0.072，其它依此类推。
输出自变量的均数及其在不同模式下的取值，因X1，X2，X3，X7四个变量没有生成亚变量，故在此输出它们的均数。
输出在各自变量的均值水平时的累积生存函数曲线。
输出各种癌症的累积生存函数曲线。
§13.4 Cox w/Time-Dep Cov过程
Cox w/Time-Dep Cov过程应用于：
1. 在建立Cox回归方程时，风险比例可能会随时间变化而变化，即有些危险因素作用的强度随时间而变化，这样的资料是不适合前面所讲的一般的Cox回归模型的。此时，就应
改为时间依存协变量模型，也称为非比例风险模型。你可把所怀疑的那个协变量及时间变量Ｔ_定义成时间依存协变量（多个协变量时就必须用编程来做了），常用的方法是把它们简单地进行相乘，然后通过对时间依存协变量系数的显著性检验来判断比例风险是否合理。 2. 用到Cox w/Time-Dep Cov过程的另一种情况是：有些变量虽然在不同的时间点取不同的值但与时间并非系统地相关，在这种情况下，需用逻辑表达式定义一个分段时间依存协变量，逻辑表达式取值1时为真，取0时为假。用一系列的逻辑表达式，你可以从一系列观测记录中建立自己的时间依存变量。例如：对病人血压每周观察一次，共观察4次，（变量名为BP1至BP4）。时间依存协变量可以这样定义：(T_ < 1) * BP1 + (T_ >= 1 & T_ < 2) * BP2 + (T_ >= 2 & T_ < 3) * BP3 + (T_ >= 3 & T_ < 4) * BP4（&表示“逻辑与”，即一般编程语言中的“AND”）。请注意括号中的值只能有一个取1，而其它的值只能取0，也就是说，这个函数意味着当时间小于一周时（此时第一个括号内取值为1，而其它括号内取值为0）使用BP1的值，大于一周而小于两周时使用BP2的值，依次类推。
下面请大家跟我一起看例子。因我到处找不到例子，所以我自己编了一个（因此我在此仅列出3例）。
例13.4 27名高血压病人共测了4次血压，计算高血压对生存时间的影响。
编号 BP1 BP2 BP3 BP4 生存时间 状态 1 93 97 102 133 2 111 164 91 149 3 111 173 129 123 13.4.1 界面说明
55 36 7 0 1 1