Analiza Kaplana-Meiera

W tym ćwiczeniu przećwiczysz analizę Kaplana-Meiera – bez zmiennej objaśniającej i z kategoryczną zmienną objaśniającą.

Pakiet survival jest już wczytany do twojego środowiska. Obiekt przeżycia survObj oraz dane dataNextOrder są nadal dostępne. Tym razem dane zawierają dodatkową zmienną objaśniającą o nazwie voucher, której użyjesz w tym ćwiczeniu. Ta zmienna kategoryczna informuje, czy klient skorzystał z vouchera przy pierwszym zamówieniu. Przyjmuje wartość 0 lub 1.

To ćwiczenie jest częścią kursu

Uczenie maszynowe w analizie marketingowej w R

Zobacz kurs

Instrukcje do ćwiczenia

Oblicz analizę Kaplana-Meiera (bez zmiennych objaśniających) za pomocą survfit(). Wynik zapisz w obiekcie o nazwie fitKMSimple. Pamiętaj, że zmienna zależna (po lewej stronie tyldy ~) to twój obiekt przeżycia survObj. Następnie wyświetl fitKMSimple.
Narysuj wykres obiektu fitKMSimple i dodaj opisy osi (argumenty xlab i ylab).
Teraz pójdź o krok dalej: oblicz analizę Kaplana-Meiera z survObj jako zmienną zależną i zmienną voucher jako zmienną objaśniającą. Pamiętaj o podaniu argumentu data.
Ponownie narysuj wykres nowego modelu i dodaj opisy osi.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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)

Edytuj i uruchom kod