Analiza Kaplan-Meier

În acest exercițiu vei exersa analiza Kaplan-Meier – fără covariată și cu o covariată categorială.

Pachetul survival este încărcat în spațiul tău de lucru. De asemenea, obiectul de supraviețuire survObj și setul de date dataNextOrder se află în continuare în mediu. Acum însă, datele conțin o covariatăsuplimentară numită voucher, de care vei avea nevoie în acest exercițiu. Această variabilă categorială îți arată dacă clienta a folosit un voucher la prima comandă. Poate lua valoarea 0 sau 1.

Acest exercițiu face parte din cursul

Machine Learning pentru Analiză de Marketing în R

Vezi cursul

Instrucțiuni pentru exercițiu

Calculează o analiză Kaplan-Meier (fără covariante) folosind survfit(). Stochează rezultatul într-un obiect numit fitKMSimple. Ține minte că variabila dependentă (variabila din stânga tildei ~) este tot obiectul de supraviețuire survObj. Apoi, afișează fitKMSimple.
Reprezintă grafic obiectul rezultat fitKMSimple și adaugă etichete pentru axe (argumentele xlab și ylab).
Acum mergi un pas mai departe: calculează o analiză Kaplan-Meier cu survObj ca variabilă dependentă și variabila voucher ca covariantă. Nu uita să specifici argumentul data.
Reprezintă din nou grafic rezultatul noului model și adaugă etichete pentru axe.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# 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)

Editează și rulează codul