Kaplan-Meier 解析
この演習では、共変量なし／ありの両方で Kaplan-Meier 解析を練習します。
survival パッケージはすでに読み込まれています。サバイバルオブジェクト survObj とデータ dataNextOrder も環境にあります。今回は、追加の共変量 voucher がデータに含まれています。これはカテゴリ変数で、顧客が最初の注文でバウチャーを使用したかどうかを表し、値は 0 または 1 です。
この演習はコースの一部です
Rで学ぶマーケティングアナリティクスのための機械学習
演習の手順
survfit()を使って（共変量なしの）Kaplan-Meier 解析を計算し、結果をfitKMSimpleというオブジェクトに保存してください。従属変数（チルダ~の「左」側）は、今回もサバイバルオブジェクトsurvObjです。続いて、fitKMSimpleを表示します。- 結果オブジェクト
fitKMSimpleをプロットし、軸ラベル（xlabとylab引数）を追加してください。 - 次のステップとして、従属変数に
survObj、共変量にvoucherを用いた Kaplan-Meier 解析を計算してください。data引数の指定を忘れないでください。 - 新しいモデルの結果も同様にプロットし、軸ラベルを追加してください。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# 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)