在科学研究中，经常遇到分类的结局，主要是二分类结局（阴性/阳性；生存/死亡），研究者可以通过logistic回归来探讨影响结局的因素，但很多时候logistic回归方法无法使用。如比较两种手段治疗新冠肺炎效果（比如瑞德西韦和安慰剂组），可能在1个月的效果分别是95%和90%，两者率的比较，在统计学上可能没有差异。
这时候，我们还可以从发生率发生的速度来分析，探讨影响发生速度的因素。这便是Cox回归基本思维。
COX回归分析的常用的软件还是SPSS，但是SPSS的单因素分析十分繁琐，需要逐个纳入变量，并且分析结果还需要自己整理为规范的三线表格式，R语言的一些R包可以简化最终的分析结果，并且达到批量分析的目的，但是因为需要一些代码基础，具有一定的门槛。
因此，这里为大家介绍一下由浙江中医药大学的郑卫军教授基于R语言开发的免费公开统计分析平台！
2步法！解决多种COX回归策略！
浏览器搜索风暴统计，点击“风暴智能统计——生存分析——生存分析全套”，完成数据的导入与整理后，就可以直接开始COX回归分析啦！
1.COX回归两步法解决
第一，选入变量，包括生存结局变量、生存时间自变量、定量自变量、分类自变量
第二，选择自变量的筛选方式，包括P阈值，回归方法。
P阈值决定了单因素分析时，P值小于多少会进入多因素回归，一般为0.05，在变量过少时，也可以放宽要求，0.1，0.2也是有的。
回归方法有先单后多（选"否"），双向逐步回归，向前逐步回归，向后逐步回归，根据P<0.05筛选。
选择完成后，直接实时给出COX回归的分析结果，呈现出简洁的三线表格，包括β值，SE值，Z值，P值，HR值及95%置信区间！
2.两种常见分析策略
下面再给大家介绍两种常见的COX回归分析策略——先单后多法、逐步回归法！一站式解决，菜单式操作，小白轻松上手！
2.1 开展先单后多方法分析
根据研究需要，如果需要开展先单后多的自变量筛选方式，那么“是否开展逐步回归分析”选择“否”。P阈值自行选择，当选择不限制时，选入的全部变量都将纳入多因素回归分析。
2.2 开展逐步回归方法分析
逐步回归方法，平台也提供了多种选择：双向逐步回归，向前逐步回归，向后逐步回归以及考虑到有时P值大于阈值的变量在逐步回归时也会留在模型中，新增了根据P<0.05的原则开展逐步回归！
注：先单后多与逐步回归是两种不同的自变量筛选方式，先单后多主要根据单因素P阈值进行筛选；逐步回归则是通过变量的逐个纳入与剔除，以AIC值最小作为最优模型选择准则。因此有些变量P值大于预设的阈值但仍保留在逐步回归模型中也是正常的哦，想要避免这种情况的发生，可以选择“根据P<0.05筛选”的逐步回归！
3.下载结果
完成回归分析后，平台给出了多种结果展示，仅展示单因素回归结果，仅展示多因素回归结果，单因素+多因素显示在同一张表格中！
然后也可以选择小数位数，默认情况下，P值为3位小数，其他统计量为2位小数。指定小数位数后，P值与统计量的小数位数将会统一。调整完成后，下载最终的三线表结果！
4.查看R语言分析源码
目前风暴统计平台还会给出R语言输出结果，方差膨胀因子（VIF）。
