生存分析 — rin.contact

许多最重要的问题不是「这会不会发生？」而是「还要多久它才发生？」——还要多久一个病人复发、一个客户流失、一台机器故障、一个案件被解决、一个人再犯。生存分析（或称事件时间分析）正是为这些问题而建的统计学分支，它之所以作为一门独立的领域存在，是因为数据一个奇特而无可回避的特征：当你的研究结束时，事件还没有发生在每个人身上——而你拿那些未完成的案例怎么办，改变着一切。

它是一个真正独特、值得了解的工具，因为那些显而易见的办法在事件时间数据上全都悄悄失败。这一页一步步把它建起来：为什么普通方法会崩、删失这个核心想法、描述生存的两个函数，以及两个主力方法——Kaplan-Meier 和 Cox 模型。

还要多久……？

乍一看你可能会动用你已经有的工具，而每一个都以一种有教育意义的方式失败。把它当作对「到事件的时间」的一次回归？你不能——对许多对象来说事件还没发生，所以他们的时间是未知的。把它当作分类（「事件在时刻 T 之前发生了吗？」）？你扔掉了何时这一丰富的信息，而答案任意地取决于你把 T 画在哪里。

数据有一种特殊的结构——一个时长，加上事件到底有没有发生——它需要专门打造的方法。它们所有方法的关键，都在于如何处理那些还没完成的案例。

删失：定义这个领域的想法

删失是生存分析的核心。一个对象是右删失的，是当你知道他们存活到某个点为止，却不知道之后发生了什么——因为在事件发生之前，研究结束了，或者他们退出了。你不知道他们真实的事件时间；你只知道它比你观测到的更长。

删失。有些对象在研究期间经历了事件（点）。另一些在观测结束时仍然无事件——右删失（箭头）。他们的时间不是缺失或为零：它是一个真实的下界（事件会在更晚发生），而生存方法用的正是那种部分信息。

删失的案例携带真实的信息——「至少存活了这么久」——而首要的大罪就是错误地处理它们。把它们扔掉，你就让结果有偏（你会系统性地失去存活最久的那些）；把它们当作事件在删失时刻发生了那样对待，你又往另一个方向让它有偏。下面这整套机制，都是为了正确地使用那种部分信息而存在的。

描述生存的两种方式

生存由两个互补的函数来描述。生存函数：

S(t) = \Pr(T > t)

——存活（没有发生事件）超过时刻 $t$ 的概率。它从 1 开始，一级一级往 0 下降。风险函数 $h(t)$ 取了一个不同的角度：它是在时刻 $t$ 事件的瞬时率，在你已经存活到那么远的条件下——对那些仍处于风险中的人此刻的风险。生存回答「有多大比例撑到了这么久？」；风险回答「对一个存活者来说，此刻有多危险？」它们是同一个过程的两个视角，不同的方法建模其中之一。

Kaplan-Meier：估计曲线

Kaplan-Meier 估计量是从数据中估计 $S(t)$ 的主力，而它优雅地处理删失。它产出那条熟悉的阶梯曲线：生存保持平直，然后在每一次事件实际发生时下降一级，每一级下降的大小由刚好之前还有多少人处于风险中来设定。删失的对象不会引起下降——他们只是在自己的删失时刻离开「处于风险」的池子，所以他们正确地贡献到那个点的分母为止、不再更远。

那就是巧妙之处：通过只在观测到的事件处下降、并随着删失案例退出而调整处于风险的计数，Kaplan-Meier 从一份满是未完成案例的数据中提取出一条无偏的生存曲线。结果是这个领域里最容易辨认的那张图——也是展示「随时间有多大比例仍然无事件」的标准方式。

比较各组：对数秩检验

真正的问题往往是比较性的：A 组是否比 B 组存活得更久（治疗对对照、一个队列对另一个）？你为每一个画一条 Kaplan-Meier 曲线，用对数秩检验来比较它们——一个关于两条（或更多）生存曲线之间的差异是否大过偶然所能解释的假设检验。它是生存分析里比较组均值的对应物，为尊重删失而建。它告诉你曲线是否不同，却不告诉你差多少、或在调整其他因素的同时——而这正是 Cox 模型登场的地方。

Cox 比例风险模型

要问「在保持其他因素不变的情况下，每个因素如何影响生存？」你需要一个回归——而Cox 比例风险模型是占主导地位的那个。它不直接建模生存曲线，而是建模风险，因为风险更稳定、更易处理。它的形式：

h(t \mid \mathbf{x}) = h_0(t)\, \exp(\beta_1 x_1 + \cdots + \beta_p x_p)

美妙之处在于它是半参数的：基线风险 $h_0(t)$ ——风险总体上如何随时间变化——被留作未指定，所以你对生存曲线的形状不作任何假设。你只估计 $\beta$ 系数，即每个协变量的效应。对一个系数取指数，得到一个风险比： $e^{\beta} = 2$ 意味着那个因素在任何时刻把瞬时风险加倍；低于 1 则是保护性的。那个单一、可解释的数字——「这个因素把风险乘以 X」——正是为什么 Cox 模型在医学、可靠性和社会科学里无处不在。

比例风险假设

Cox 模型用一个关键的假设买来它的灵活性，这个假设藏在名字里：比例风险。它假设一个协变量的效应是对风险在所有时刻的一个恒定的乘数——两组之间的风险比不随时间流逝而改变。

它在我工作中的体现

当问题是「还要多久？」时

出人意料地多的分析问题，其实是乔装的事件时间问题：一个案件还要多久被解决、一个问题的复发时间、一个人在一个项目里待多久才退出。生存分析给我的最有价值的东西，是围绕删失的纪律——认识到那些还没完成的案例携带真实的信息，而把它们扔掉（那个诱人的捷径）会系统性地把答案偏向任何很快就完成的东西。

Kaplan-Meier 是展示「随时间有多大比例仍然留存」的诚实方式，对数秩检验恰当地比较两组的时间线，而 Cox 模型在调整混杂因素的同时，给出一个可解释的风险比——「这个因素把风险乘以 X」——这与因果推断的心态天然相配。懂得比例风险假设，正是让那个风险比保持诚实、而非一个变化中故事的便利平均的东西。

60 秒回顾

生存分析回答「还要多久事件才发生？」——普通回归/分类会失败，因为事件还没发生在每个人身上。
删失是关键的想法：一个右删失的对象在某个时刻之前无事件（一个真实的下界）。别把它们扔掉，也别把删失当作事件——两者都让结果有偏。
两个视角：生存 $S(t)=\Pr(T>t)$ （撑过 t 的比例）和风险 $h(t)$ （在迄今存活的条件下的瞬时风险）。
Kaplan-Meier 估计生存曲线（阶梯曲线），通过处于风险的池子来处理删失。对数秩检验比较两条曲线。
Cox 比例风险 $h(t\mid x)=h_0(t)e^{\beta^\top x}$ ——半参数（基线被留作自由）； $e^\beta$ = 风险比（「把风险乘以 X」）。
检查比例风险假设——一个随时间恒定的风险比；当它被违反时（曲线交叉），那个单一的数字会误导人。

删失的框架、Kaplan-Meier/对数秩的配对，以及带有比例风险告诫的 Cox 模型，反映了当前的生存分析参考文献以及统计学课程。