Hazard modeller bidrager statistikere og andre forskere vurderer risikoen ved at forstå de variabler , der er forbundet med risiko. En type hazard model, Cox proportionel risiko model er en forenklet og specifik form for denne model , der bygger på en stærk formodning : de variabler , der er forbundet med fare risici er relateret på en multiplikativ måde (de formere sig i modellen , i modsætning til at tilføje ) . Før du med held kan bruge en Cox proportionel risiko model , skal du tjekke denne antagelse. Ved hjælp af SAS , en kraftfuld statistisk software pakke, kan du nemt teste denne antagelse på dine data. Instruktioner
1

Input data i SAS. Klik på " File" og "Importer data". Følg de trin, der vises, og åbne din datafil
2

Type " proc phreg data = yourdata ," . , Hvor " yourdata " er den matrix af data, der skal testes. Dette fortæller SAS hvilke data du vil arbejde med .
3

Dobbelt variabler i dine data , multiplicere hver med log af tiden. For hver variabel , skal du bruge kommandoen " newvar = oldvar * log (tid) ; " . For eksempel, hvis du har en variabel for løn kaldet " løn " , skal du indtaste kommandoen " newsalary = løn * log (tid) ; " . Gør dette for alle variabler i dit datasæt .
4

Type " model tid * censor (0) = yourmodel ", hvor " yourmodel " er det sæt af variabler, du ønsker at medtage i modellen . Dette sæt af variabler bør omfatte alle de oprindelige variabler i dine data , samt de nye variabler , der blev ganget med log af tid.
5.

Forbered proportionalitetsprincippet for de nye variabler. Type " proportionality_test : test newvariables ; ", hvor " newvariables " er det sæt af alle de nye variable, der oprettes ved at multiplicere de gamle variabler ved log af tid. For eksempel, hvis du har to variabler i dit studie , løn og alder vil du have to nye variabler , newsalary og newage . Derfor bør du indtaste " proportionality_test : test newsalary newage ,"
6

Kør testen . . Type " køre ,"
7

Overhold p-værdier i outputtet. . P- værdier er placeret i kolonnen entitiled " Pr > ChiSq " . Hvis du ser p-værdier under 0,05 , mislykkes testen , hvilket betyder antagelsen om proportionale farer mislykkes.