Kaplan-Meier-analys

I den här övningen får du öva på Kaplan-Meier-analys – både utan och med en kategorisk kovariat.

Paketet survival är laddat i din arbetsmiljö. Dessutom finns survival-objektet survObj och datamängden dataNextOrder kvar i miljön. Nu innehåller datamängden en extra kovariat som heter voucher, vilken du behöver i den här övningen. Den kategoriska variabeln anger om kunden använde en rabattkupong vid sitt första köp. Den kan anta värdet 0 eller 1.

Den här övningen är en del av kursen

Maskininlärning för marknadsanalys i R

Visa kurs

Övningsinstruktioner

Beräkna en Kaplan-Meier-analys (utan kovariater) med survfit(). Spara resultatet i ett objekt som heter fitKMSimple. Kom ihåg att den beroende variabeln (till vänster om tilde-tecknet ~) är ditt survival-objekt survObj. Skriv sedan ut fitKMSimple.
Plotta resultatobjektet fitKMSimple och lägg till axeletiketter (argumenten xlab och ylab).
Ta nästa steg: beräkna en Kaplan-Meier-analys med survObj som beroende variabel och variabeln voucher som kovariat. Glöm inte att ange argumentet data.
Plotta resultatet av den nya modellen och lägg till axeletiketter.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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)

Redigera och kör kod