Modelo de Risco Proporcional de Cox

Agora você vai ajustar um modelo de Risco Proporcional de Cox com os dados da loja online. Seu conjunto de dados armazenado em dataNextOrder agora contém quatro variáveis adicionais: o shoppingCartValue do primeiro pedido em dólares, se o cliente usou um voucher, se o pedido foi returned e o gender.

O pacote rms já está carregado no workspace.

Este exercicio faz parte do curso

Machine Learning for Marketing Analytics in R

Ver curso

Instruções do exercicio

Ajuste o modelo Cox PH usando cph(). Inclua as variáveis shoppingCartValue, voucher, returned e gender como preditoras. Atenção para especificar a fórmula corretamente. Armazene o resultado em um objeto chamado fitCPH. E, claro, imprima os resultados.
Tire o exponencial dos coefficients para interpretá-los. Na interpretação, leve em conta que shoppingCartValue é uma variável contínua, enquanto as demais são categóricas.
Plote o resumo dos resultados.

exercicio interativo prático

Tente este exercicio completando este código de exemplo.

# 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 e Executar Código