Stata实战：RCS限制立方样条非线性关系建模与P值解读全攻略

1. 什么是RCS限制立方样条？

在医学研究和流行病学分析中，我们经常需要探索连续变量（比如年龄、血压、BMI等）与结局变量（比如死亡风险、疾病发生率等）之间的关系。传统线性回归模型假设这种关系是直线型的，但现实中很多生物学关系都是非线性的。比如年龄和死亡风险的关系，可能不是简单的"年龄越大风险越高"，而是存在U型或J型曲线。

限制立方样条(Restricted Cubic Spline, RCS)就是解决这个问题的利器。它通过将连续变量分成几段，每段用三次多项式拟合，并在节点处平滑连接。相比普通样条，RCS在两端加了线性限制，避免了极端值的过度波动。我处理乳腺癌数据时就发现，单纯用线性模型会掩盖年龄对死亡风险的真实影响模式。

2. 数据准备与节点设置

2.1 数据导入与检查

先加载乳腺癌临床数据集。这个数据集包含以下关键变量：

• age：患者年龄
• status：是否死亡（1=是，0=否）
• time：生存时间
• ln_yesno：淋巴结是否转移（重要协变量）

use "breast_cancer_data.dta", clear describe summarize age status time ln_yesno

检查数据完整性很重要。我遇到过因为缺失值导致的分析错误，建议先用misstable sum检查缺失情况。如果有缺失，需要决定是删除还是插补。

2.2 节点选择技巧

节点(knots)决定了曲线的灵活度。常见选择有：

• 等距节点：range/4等分
• 分位数节点：按样本分布选择

我推荐用四分位数，更能适应数据分布：

table, contents(p25 age p50 age p75 age) mkspline age_spline = age, knots(46 56 67 78) cubic

这里生成的age_spline1-3就是后续建模用的样条变量。注意节点数通常3-5个就够了，太多会导致过拟合。我在乳腺癌数据分析中测试过，4个节点（3段）既能捕捉非线性又保持稳定。

3. COX回归模型构建

3.1 生存数据设置

首先定义生存时间与结局：

stset time, failure(status==1)

这个命令告诉Stata哪些是生存时间，哪些是终点事件。建议每次分析前都检查stdes输出，确认数据格式正确。

3.2 模型拟合与检验

加入样条变量和协变量建立COX模型：

stcox age_spline1 age_spline2 age_spline3 i.ln_yesno, vce(robust)

这里有几个经验点：

1. 一定要加i.处理分类变量
2. vce(robust)增加稳健标准误
3. 模型拟合后检查比例风险假设（用estat phtest）

4. 结果可视化与解读

4.1 绘制RCS曲线

更新后的xblc命令需要特别注意：

levelsof age if inrange(age,35,79) xblc age_spline1-age_spline3, covname(age) /// at(35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 /// 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79) /// eform reference(50) line generate(hr lb ub xvals)

这个命令会：

1. 以50岁为参考点
2. 计算各年龄点的HR及其95%CI
3. 生成绘图需要的数据

4.2 自定义图形优化

用生成的数据绘制更美观的图：

twoway (rarea lb ub xvals, color(gs12)) /// (line hr xvals, lcolor(red) lwidth(medthick)), /// yscale(log) ylabel(0.5 1 2 4, grid) /// ytitle("Hazard Ratio (log scale)") xtitle("Age (years)") /// legend(off) xline(50, lpattern(dash)) yline(1, lpattern(dash))

我习惯添加灰色置信带和红色曲线，用对数尺度更清晰展示HR变化。xline和yline标记参考线，这些都是期刊论文的常用格式。

5. 非线性检验与P值解读

5.1 检验非线性意义

用testparm检验非线性成分的统计学意义：

testparm age_spline2 age_spline3

这个检验的原假设是"关系是线性的"。P值<0.05说明非线性成分有统计学意义。但要注意：

• P=0.048这样的边界值需要谨慎解读
• 结合临床意义判断，不要只看P值
• 样本量会影响检验效能

5.2 结果报告要点

在论文中报告RCS结果时，我建议包含：

1. 节点位置和数量选择依据
2. 非线性检验P值
3. 参考点选择理由
4. 图形中标注关键转折点年龄
5. 临床意义的解释

比如在乳腺癌数据中，我们发现：

• 50岁以下死亡风险随年龄增加而上升
• 50-65岁趋于平稳
• 65岁后再次上升 这种模式用线性模型完全无法捕捉。

6. 常见问题解决方案

6.1 命令报错处理

最近xblc包更新导致很多旧代码失效。如果遇到问题：

1. 先用which xblc确认已安装最新版
2. 检查节点变量名是否匹配
3. at()中的数值范围要覆盖实际数据

6.2 图形美化技巧

在Stata图形编辑器中：

1. 右键添加文本标注P值
2. 调整图例位置和字体大小
3. 导出时选择高分辨率（600dpi以上）
4. 用scheme(sj)等专业主题

6.3 模型诊断要点

好的RCS分析需要验证：

1. 节点数量敏感性分析
2. 残差检查
3. 离群值影响
4. 不同参考点的稳健性

我通常会尝试3-5个节点，选择AIC最小的模型。对于乳腺癌数据，4节点模型AIC最小，且残差分布均匀。

7. 进阶应用与扩展

RCS不仅可以用于COX模型，还可以应用到：

• Logistic回归
• 线性回归
• Poisson回归等

比如研究年龄与乳腺癌分期的关系：

logistic advanced_stage age_spline1-age_spline3 i.ln_yesno

另一个技巧是将RCS与交互项结合。我们发现淋巴结转移状态下，年龄与死亡风险的关系模式不同，这时可以：

stcox c.age_spline1#i.ln_yesno c.age_spline2#i.ln_yesno c.age_spline3#i.ln_yesno

这种分析能揭示更复杂的生物学机制。不过要注意样本量是否足够支持交互项分析。