Modello di rischio proporzionale di Cox
Ora andrai a stimare un modello di rischio proporzionale di Cox sui dati dell’online shop. I tuoi dati in dataNextOrder ora contengono quattro variabili aggiuntive: il shoppingCartValue del primo ordine in dollari, se il cliente ha usato un voucher, se l’ordine è stato returned e il gender.
Il pacchetto rms è già caricato nell’ambiente di lavoro.
Questo esercizio fa parte del corso
Machine Learning per il Marketing Analytics in R
Istruzioni dell'esercizio
- Stima il modello Cox PH usando
cph(). Includi come predittori le variabilishoppingCartValue,voucher,returnedegender. Fai attenzione a specificare correttamente la formula. Salva il risultato in un oggetto chiamatofitCPHe, naturalmente, stampa i risultati. - Calcola l’esponenziale dei
coefficientsper interpretarli. Per l’interpretazione, ricorda cheshoppingCartValueè una variabile continua, mentre le restanti variabili sono categoriche. - Traccia il riepilogo dei risultati.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# 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)