之前我们用Cox回归模型探讨过多个指标对生存期的影响，但是Cox回归模型仅限于数据中具有多个指标，如果我们只有一个指标，那么又该如何进行生存期影响分析呢？ 

下面我们将学习另外一种生存分析模型--Kaplan-Meier模型，该模型可用于分析单个指标对生存期的影响差异。

一、Kaplan-Meier模型设置

首先还是先来看一下我们的演示数据，数据按照手术方式这一指标分为2组，手术方式用0和1表示，因变量有2个，生存结果和生存时间。生存结果用0表示存活，1表示死亡；生存时间表示手术后生存的总周数。

图1：演示数据

在分析菜单中，找到生存分析项，然后点击其中的“Kaplan-Meier”，打开我们的KM模型设置界面。

图2：Kaplan-Meier

接着我们在时间项中选择“生存时间”，状态选择生存结果，点击“定义事件”按钮，选择单值，值输入1，再点击继续回到上个界面中，设置因子为单指标变量—手术方式，操作步骤见图3。

图3：KM设置

点击“比较因子”按钮，在检验统计中，勾选“秩的对数”和“布雷斯洛”作为检验组间生存分布是否相同的组间比较方法。

其中，“秩的对数”方法，对远期差异较为敏感；而布雷斯洛对近期差异较为敏感。因此，对于一开始粘在一起，随时间推移越拉越开的生存曲线，“秩的对数”方法较“布雷斯洛”方法容易得到差异有显著性的结果；反之，对于一开始相差较大，随着时间推移反而越来越近的生存曲线，“布雷斯洛”方法容易得到差异有显著性的结果。

图4：比较因子设置

在选项设置中，我们在统计栏中勾选上“平均值和中位数生存分析函数”，在图一栏中勾选上“生存分析函数”，如图5。最后点击继续和确定，生成模型分析结果。

图5：选项设置

二、结果分析

最终生成的结果表格如图6所示，共有三个表格。我们主要看中间的表格，从表格中我们可以看出，手术方式1估算的平均存活时间为19.846周，手术方式2，估算的平均存活时间为7.376周。

图6：结果表格

除上述三个表格外，我们还绘制了一个生存分析函数图，如图7。从图中可更直观看出手术方式1比手术方式2的存活时间要更长。

图7：生存函数分析图

以上统计分析结果也说明了Kaplan-Meier模型在单指标因素对生存期的影响分析中，具有较好的准确性。以上就是本节关于IBM SPSS Statistic软件使用Kaplan-Meier模型的所有教程，希望能给大家在数据的生存分析中，带来一定的帮助。

作者署名：包纸