在上一期的内容中，小咖向大家介绍了如何利用SPSS软件，对分类变量是否满足PH假定进行简单快速的判断（戳这里：SPSS详细教程：Cox回归中，分类变量的PH假定检验）。
不同于分类变量，对于连续变量来说，我们常常利用Schoenfeld残差法来帮助进行判断，本期内容小咖就带大家学习一下，如何在SPSS中实现连续变量PH假定检验的Schoenfeld残差法。
Schoenfeld残差法
Schoenfeld残差法由Schoenfeld于1982年提出，他定义了一个不依赖于时间的偏残差（Partial residuals）概念，用以检验Cox回归模型的PH假定。
其基本思想为：如果PH假定成立，通过对Cox模型估算的偏残差（即Schoenfeld残差）绘制残差图，理论上它应随时间的变化在0水平线上下随机波动。
但是，有时Schoenfeld残差图中的散点变化趋势难以评价，我们可以利用Lowess（Locally-weighted scatterplot smoothing）平滑函数，来绘制Schoenfeld残差与时间的平滑曲线，从而帮助我们进行判断。理论上在比例风险的无效假设下，这一函数曲线的斜率为0。
在此基础上，我们还需要进一步对Schoenfeld残差与时间秩次的相关性进行检验。其主要原理为：Schoenfeld残差不依赖于时间变量，因此Schoenfeld残差与时间秩次无线性相关性。
其中ρ是Schoenfeld残差与失效时间秩次之间的Pearson相关系数，nu是所有的非截尾观测数。
如果某协变量的风险比随着时间增加，则检验统计量z趋向正值，如果风险比随着时间下降，则检验统计量z趋向负值。如果假设检验证明ρ=0，则可认为该协变量满足PH假定条件，适宜进行Cox回归分析。
