Analisis Kaplan-Meier

Dalam latihan ini Anda akan berlatih Analisis Kaplan-Meier — tanpa kovariat dan dengan kovariat kategorikal.

Paket survival sudah dimuat ke ruang kerja Anda. Objek survival survObj dan data Anda dataNextOrder juga masih tersedia di environment. Namun kini data memuat kovariat tambahan bernama voucher, yang akan Anda perlukan dalam latihan ini. Variabel kategorikal ini menunjukkan apakah pelanggan menggunakan voucer pada pesanan pertamanya. Nilainya 0 atau 1.

Latihan ini adalah bagian dari kursus

Machine Learning untuk Analitik Pemasaran dengan R

Lihat Kursus

Petunjuk latihan

Hitung Analisis Kaplan-Meier (tanpa kovariat) menggunakan survfit(). Simpan hasilnya dalam objek bernama fitKMSimple. Ingat, variabel dependen (variabel di sebelah kiri tilde ~) kembali adalah objek survival Anda survObj. Lalu, cetak fitKMSimple.
Plot objek hasil fitKMSimple dan tambahkan label sumbu (argumen xlab dan ylab).
Sekarang lanjut satu langkah: Hitung Analisis Kaplan-Meier dengan survObj sebagai variabel dependen dan variabel voucher sebagai kovariat. Jangan lupa tentukan argumen data.
Sekali lagi, plot hasil model yang baru dan tambahkan label sumbu.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# Compute and print fit
fitKMSimple <- ___(___ ~ ___)
___(fitKMSimple)

# Plot fit
plot(___,
     conf.int = FALSE, ___ = "Time since first purchase", ___ = "Survival function", main = "Survival function")

# Compute fit with categorical covariate
fitKMCov <- survfit(___ ~ ___, data = ___)

# Plot fit with covariate and add labels
plot(___, lty = 2:3,
     ___ = "Time since first purchase", ___ = "Survival function", main = "Survival function")
legend(90, .9, c("No", "Yes"), lty = 2:3)

Edit dan Jalankan Kode