SPSS-FORUM.DE

[ak.kap.1]

Hallo,

ich mache für meine Dissertation eine klassische Überlebenszeitanalyse mit Cox Regressionen, in der ich mehrere unterschiedliche Einflussgrößen untersuchen möchte.

Wenn die Einflussgrößen kategorial sind, dann habe ich hierbei keinerlei Probleme.
Jedoch weiss ich nicht wie ich mit stetigen Variablen als Einflussgröße umgehen muss.(also bei SPSS wenn der "Faktor" stetige Zahlen sind)

Ich habe das ausprobiert, in dem ich ein optimal cut-off fitting mittels ROC-Kurven gestartet habe, um meine Probanden in zwei kategoriale Gruppen zu unterteilen und dann mit der kategorialen Variable weitergerechnet.
Meine Frage ist, ob ich das bei allen stetigen Variablen so machen muss oder ob es eine andere Möglichkeit gibt.

Ganz genau gesagt geht es darum, dass ich verschiedene Laborparameter wie Lymphozyten, Thrombozyten etc. bei ca 120 Patienten als Einflussgröße auf das Überleben analysieren möchte.

Vielen Dank schonmal und ich hoffe es war verständlich ausgedrückt

Liebe Grüße

Akin

[ponderstibbons]

Wieso willst Du nicht stetige Variablen so wie sie sind einbeziehen? Sie zu kategorisieren bedeutet Informationsverlust
und eventuell artifizielle Ergebnisse. Wenn Du die Kategorisierung dann auch noch anhand von Kriterien aus genau
demselben Datensatz vornimmst, produziert Du overfitting und nicht-generalisierbare Ergebnisse. Allenfalls könnte man
klinisch etablierte Cut-offs benutzen, aber das sollte zur konkreten Fragestellung passen.

Mit freundlichen Grüßen

PonderStibbons

[ak.kap.1]

Danke für deine schnelle Antwort!

Die Sache ist nur die, wie mache ich das ?
Wenn ich das so mache, dann krieg ich ok Output keine Ergebnisse wie HR etc

[ponderstibbons]

ach so, Doppelarbeit https://www.statistik-tutorial.de/forum ... e74e5425be

[ak.kap.1]

Ich wollte die Frage in zwei verschiedene Foren stellen, damit ich möglichst viele Menschen erreichen kann.

Weißt du zufällig, wo ich nachschauen kann wie ich das mit stetigen Zahlen machen kann? Weder in den Foren, noch auf YouTube finde ich was dazu.