某研究者拟观察某新药的抗肿瘤效果，将 70 名肺癌患者随机分为两组，分别采用该新药和常规药物进行治疗，观察两组肺癌患者的生存情况，共随访 2 年。研究以死亡为结局，两种治疗方式为主要研究因素，同时考虑调整年龄和性别的影响，比较两种疗法对肺癌患者生存的影响是否有差异。变量的赋值和部分原始数据见表 1 和表 2。
表 1. 肺癌患者生存的影响因素与赋值
表 2. 两组患者的生存情况
该研究以死亡为结局，治疗方式为主要研究因素，每个研究对象都有生存时间（随访开始到死亡、失访或随访结束的时间），同时考虑调整年龄和性别的影响。欲了解两种疗法对肺癌患者生存的影响是否有差异，可以用 Cox 比例风险模型（Cox proportional-hazards model，也称为 Cox 回归）进行分析。
实际上，Cox 回归的结局不一定是死亡，也可以是发病、妊娠、再入院等。其共同特点是，不仅考察结局是否发生，还考察结局发生的时间。
在进行 Cox 回归分析前，如果样本不多而变量较多，建议先通过单变量分析（KM 法绘制生存曲线、Logrank 检验等）考察所有自变量与因变量之间的关系，筛掉一些可能无意义的变量，再进行多因素分析，这样可以保证结果更加可靠。即使样本足够大，也不建议把所有的变量放入方程直接分析，一定要先弄清楚各个变量之间的相互关系，确定自变量进入方程的形式，这样才能有效的进行分析。
单因素分析后，应当考虑应该将哪些自变量纳入 Cox 回归模型。一般情况下，建议纳入的变量有：1）单因素分析差异有统计学意义的变量（此时，最好将
P
值放宽一些，比如 0.1 或 0.15 等，避免漏掉一些重要因素）；2）单因素分析时，没有发现差异有统计学意义，但是临床上认为与因变量关系密切的自变量。
2. Analyze→Survival→Cox Regression
1）主对话框设置
：
① 将生存时间变量送入 Time 框中 → ② 将结局变量送入 Status 框中 → ③ 点击 Define Event → ④ 定义表示终点事件发生的数值（此例中为死亡，用 1 表示）→ ⑤ Continue → ⑥ 将分组因素和需要调整的变量送入 Covariates 框中 → ⑦ Method 选择 Forward：LR。
对于自变量筛选的方法（Method 对话框），SPSS 提供了 7 种选择，使用各种方法的结果略有不同，读者可相互印证。各种方法之间的差别在于变量筛选方法不同，
其中 Forward: LR 法（基于最大似然估计的向前逐步回归法）的结果相对可靠，
但最终模型的选择还需要获得专业理论的支持。
2）Categorical Covariates 选项设置：
① 将分类变量 group 选入右侧 Categorical Covariates 里
→
② 并选择 Reference Category 以 First 为参比（即选择最小数值为参照组），其他按默认选项 → ③ Change → ④ Continue。
注意：在数据录入时，建议将二分类变量赋值为 0 和 1；多分类变量赋值为 0、1、2、3 或者 1、2、3、4 等，并根据以下情况设置
Categorical Covariates
选项：
A.
以下情况，可以不定义
Categorical Covariates 选项
：当自变量是二分类变量，并且赋值的差值为 1，例如赋值为 0 和 1，也不需要绘制该变量不同组间的生存曲线时。
B. A 以外的情况都必须定义
Categorical Covariates 选项。需特别注意两种情况：① 当自变量是二分类变量，但要在 Plots 选项中设置，得到不同组间的生存曲线时。
比如本例中，group 为二分类变量，但要观察不同用药组间的生存曲线，就需要在 Categorical Covariates 选项中定义 group 变量；
② 多分类变量时。
3）Plots 选项设置：
要绘制生存曲线，① 可选择 Plots Type 中的 Survival 作为输出的图形 → ② 将主要分类变量选入右侧 Separate lines for 中，可以输出该变量不同组间对应的生存曲线，其他按默认选项 → ③ Continue。
4）Options 选项设置：
