Cox nó
Cox A regressão cria um modelo preditivo para dados de tempo até o 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. O formato da função de sobrevivência e os coeficientes de regressão para os preditores são estimados a partir de sujeitos observados; o modelo pode então ser aplicado a novos casos que tenham medidas para as variáveis preditoras.
Observe que as informações de sujeitos censurados, ou seja, aqueles que não experimentam o evento de interesse durante o tempo de observação, contribuem de forma útil para a estimação 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 isso, uma amostra aleatória de clientes é selecionada e seu tempo gasto como clientes (independentemente de ainda serem clientes ativos ou não) 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 e horas. Os campos de Data e Hora não podem ser usados para definir diretamente o tempo de sobrevivência; se você tiver campos de Data e Hora, deverá usá-los para criar um campo contendo tempos de sobrevivência, com base na diferença entre a data de entrada no estudo e a data de observação.
Análise Kaplan-Meier. Cox a regressão pode ser realizada sem campos de entrada. Isto equivale a uma análise de Kaplan-Meier.