对中的回归进行COX比例危险灯泡数据集，其中包含灯泡的模拟寿命。灯泡数据的第一列包含两种不同类型灯泡的寿命（以小时）。第二列包含二进制变量，指示灯泡是荧光还是白炽灯;0表示灯泡是荧光，1表示它是白炽灯。第三列包含审查信息，其中0表示观察到灯泡直到发生故障，1表示观察被删除。

拟合灯泡寿命的Cox比例危险模型，考虑了审查。预测变量是灯泡的类型。

加载灯泡COXMDL = FITCOX（灯泡（:,2），灯泡（：，1），......“审查”，灯泡（:,3））

Coxmdl = Cox比例危险回归模型：Beta SE Zstat Pvalue ______ __________________ x1 4.7262 1.0372 4.5568 5.1936E-06

找到返回的95％置信区间bet估计。

CI = COEFCI（COXMDL）

ci =1×22.6934 - 6.7590

找到99％的置信区间bet估计。

CI99 = COEFCI（COXMDL，0.01）

ci99 =1×22.0546 7.3978

找到预测的信心间隔readmissiontimes数据集。响应变量是ReadmissionTime.，显示100名患者的阅览时间。预测变量是年龄那性别那重量,吸烟者，每位患者的吸烟状态。1表示患者是吸烟者，0表示患者不吸烟。栏矢量审查包含每个患者的审查信息，其中1表示审查数据，0表示观察到的确切再入院时间。(此数据是模拟的。)

加载数据。

加载readmissiontimes

使用所有四个预测器来拟合模型。

X = [年龄性重量吸烟者];

利用截尾信息拟合模型。

coxmdl = fitcox（x，readmissiontime，'审查'、审查);

查看点估计值年龄那性别那重量,吸烟者系数。

coxMdl.Coefficients.Beta

ans =.4×10.0184 -0.0676 0.0343 0.8172

找到这些估计的95％的置信区间。

CI = COEFCI（COXMDL）

ci =4×2-0.0139 0.0506 -1.6488 1.5136 0.0042 0.0644 0.0644 0.2767 1.3576

这性别系数（第二行）具有较大的置信区间，并且前两个系数支架值为0.因此，您不能拒绝假设年龄和性别预测器为零。