Nó Cox
A regressão de Cox constrói um modelo preditivo para dados de tempo para evento. O modelo produz uma função de sobrevivência que prevê a probabilidade de que o evento de interesse tenha ocorrido em um determinado momento t para determinados valores das variáveis preditoras. A forma da função de sobrevivência e os coeficientes de regressão para os preditores são estimados a partir de sujeitos observados; o modelo poderá, então,ser aplicado aos novos casos que tiverem medições para as variáveis preditoras.
Observe que as informações de assuntos censurados, ou seja, aqueles que não vivenciam o evento de interesse durante o período de observação, contribuem utilmente para a estimativa do modelo.
Exemplo, Como parte de seus esforços para reduzir o churn de clientes, uma empresa de telecomunicações está interessada em modelar o time to churn , a fim de determinar os fatores que estão associados aos clientes que são rápidos em mudar para outro serviço. Para este fim, uma amostra aleatória de clientes é selecionada, e seu tempo gasto como clientes (sejam eles ou não clientes ativos) e vários campos demográficos são extraídos do banco de dados.
Flag, com armazenamento string ou inteiro. (O armazenamento pode ser convertido usando um nó Preenchimento ou Derivar, se necessário.) Campos configurados para Both ou None são ignorados. Os campos utilizados no modelo devem ter seus tipos totalmente instanciados. O tempo de sobrevivência pode ser qualquer campo numérico.Datas & horários. Os campos de Data/Hora não podem ser utilizados para definir diretamente o tempo de sobrevivência; se você tiver campos Data/Hora, eles deverão ser utilizados para criar um campo contendo os tempos de sobrevivência, com base na diferença entre a data de entrada e a data do estudo e da observação.
Análise Kaplan-Meier. A regressão de Cox pode ser executada sem campos de entrada. Isso é equivalente a uma análise de Kaplan-Meier.