Modelo de riesgos proporcionales de Cox

Ahora vas a ajustar un modelo de riesgos proporcionales de Cox con los datos de la tienda online. Tu conjunto dataNextOrder ahora contiene cuatro variables adicionales: el shoppingCartValue del primer pedido en dólares, si el cliente usó un voucher, si el pedido fue returned y el gender.

El paquete rms ya está cargado en el espacio de trabajo.

Este ejercicio forma parte del curso

Machine Learning para analítica de marketing en R

Ver curso

Instrucciones del ejercicio

Ajusta el modelo Cox PH usando cph(). Incluye las variables shoppingCartValue, voucher, returned y gender como predictoras. Asegúrate de especificar correctamente la fórmula. Guarda el resultado en un objeto llamado fitCPH. Y, por supuesto, imprime los resultados.
Toma la exponencial de los coefficients para interpretarlos. Ten en cuenta para la interpretación que shoppingCartValue es una variable continua, mientras que las restantes son categóricas.
Representa el resumen del resultado en un gráfico.

ejercicio interactivo práctico

Prueba este ejercicio completando este código de ejemplo.

# Determine distributions of predictor variables
dd <- datadist(dataNextOrder)
options(datadist = "dd")

# Compute Cox PH Model and print results
___ <- ___(Surv(daysSinceFirstPurch, boughtAgain) ___ shoppingCartValue ___ voucher ___ returned ___ gender,
              data = ___,
              x = TRUE, y = TRUE, surv = TRUE)
print(___)

# Interpret coefficients
___(fitCPH$___)

# Plot result summary
___(___(fitCPH), log = TRUE)

Editar y ejecutar código