在常见的线性回归、logistic回归等这些方法中，因变量只有一个，就是结局怎么样，比如发病与否、血糖值多少等等，没有时间变量。自变量也没有时间概念，通常不会考虑随时间变化的问题。即使在队列研究中，对于研究因素，往往也就是调查一次，结局或许会随访多次。

然而在生存分析中，一切变得大为不同。生存分析的结局本身就带了时间变量，时间开始起作用了。这种情况下，自变量也可能出现与时间有关的概念，这种情况下，时依协变量（time-dependent covariables）这种概念就出现了。

简单来说，时依协变量的意思就是，对一个人来说，在研究期间，该变量随着时间的改变而发生了变化，所以英文叫做time dependent，也就是说，依赖于时间变化而改变的变量。中文为了简洁，缩写为“时依”，很有诗情画意的一个词。

cox回归起码要满足一个最基本的假定条件，也就是等比例风险假定。如果满足，那当然没问题，直接用cox回归就行了。那么接下来的问题就是：

如果不满足等比例风险假定该怎么办？

如果等比例风险假定违背，至少有两种方法来处理：

第一 采用分层的cox回归（stratified cox），也就是按协变量分层分析，然而这种方法有个缺点，所谓“分层虽好，也不能贪多啊”。说错了，分层虽好，但该变量也就没有估计结果了。试想，你把主要研究因素分层了，你还研究什么呢？

所以就要说到第二种处理方式，也就是采用时依cox回归，也就是带时依协变量的cox回归。

时依cox回归是个好东西，当等比例风险假定不满足，仍然可以分析主要研究因素的效应。时依协变量有好几种，下面就介绍一下常见的几种。