很多刚入行做地理空间统计的朋友，一听到生存分析就头大，尤其是纠结样本量够不够。这篇直接告诉你，geo生存分析最低样本怎么算，以及那些老师傅不会告诉你的坑。
先说结论，别整那些虚的学术公式。在GIS软件里跑生存分析，样本量不是越大越好，也不是越小越好，得看你的事件发生率。如果你研究的是罕见病或者特定区域的小众事件，样本太少会导致模型不收敛，直接报错。我见过太多人为了凑数据，把几个村子的数据硬拼在一起，结果跑出来的HR值（风险比）离谱得很，完全不符合常识。
第一步，先确定你的研究目的和主要暴露因素。比如你是要看某种环境污染对居民寿命的影响，还是某种政策实施后的区域存活率变化。目的不同，需要的样本量天差地别。如果是做单因素分析，样本量要求相对宽松；要是多因素回归，还得加上协变量。记住，每个协变量至少需要10-15个事件发生。举个例子，如果你引入了5个协变量，那你至少得观察到50-75个死亡或事件案例，否则模型根本跑不稳。
第二步，估算事件发生率。这是最关键的一步，很多人忽略这点。你得去查当地的统计年鉴或者过往文献，看看目标人群的平均事件发生率。假设某地区年均死亡率为千分之五，你只有1000人，那期望事件数只有5个，这绝对不够。通常建议，为了获得统计效力，期望事件数最好超过50个。如果算下来不够，要么延长随访时间，要么扩大地理范围，或者合并类似的小区域。别硬撑，样本不足强行跑，结果全是噪音。
第三步，处理空间自相关。geo生存分析和普通生存分析最大的区别就是空间效应。如果你的数据存在强烈的空间自相关，普通模型的方差会被低估，导致P值虚低，假阳性增加。这时候，你得用空间生存模型，比如加入随机效应或者使用贝叶斯方法。在样本量有限的情况下，空间模型比传统模型更稳健，因为它利用了邻近区域的信息。但是，这也意味着你需要更高质量的空间数据，坐标不准或者边界错误，直接导致结果偏差。
第四步，软件操作与参数设置。我用过SAS、R和Python。R里的survival包配合spatial包是个不错的选择，但配置环境挺麻烦。SAS的PROC PHREG也能做，但空间模块比较贵。不管用啥，一定要检查数据完整性。缺失值太多的话，别直接删除，试试多重插补，虽然麻烦点，但比直接删数据保留样本量要靠谱。另外，记得做比例风险假设检验，如果违背了PH假设，得考虑时变协变量或者分层模型。
这里有个大坑，很多新手以为样本量到了就行，忽略了地理加权的问题。如果你用地理加权生存分析（GWSS），每个局部模型的样本量其实更少了。如果某个小区域只有几个事件，局部估计的标准误就会非常大，结果不可信。所以，做GWSS时，样本量要求比全局模型更高，通常建议每个局部窗口内至少有20-30个事件。
最后，总结一下。geo生存分析最低样本没有固定数字，核心是看事件数和协变量数量。别听信那些“100个样本就能跑”的鬼话，除非你的事件发生率极高。真实经验是，先算期望事件数，再根据协变量调整，最后考虑空间效应带来的额外需求。数据清洗要仔细，软件选择要合适，结果解读要谨慎。别为了发文章硬凑数据，科学讲究的是真实和逻辑，不是凑数。
本文关键词：geo生存分析最低样本
