Аналіз Каплана — Мейєра

У цій вправі ви потренуєтеся виконувати аналіз Каплана — Мейєра — без коваріат і з категоріальною коваріатою.

Пакет survival завантажено у ваш робочий простір. Також у середовищі є об'єкт виживаності survObj і ваші дані dataNextOrder. Але тепер дані містять додаткову коваріату під назвою voucher, яка знадобиться в цій вправі. Ця категоріальна змінна показує, чи використав клієнт ваучер у своєму першому замовленні. Вона містить значення 0 або 1.

Ця вправа є частиною курсу

Machine Learning для маркетингової аналітики в R

Переглянути курс

Інструкції до вправи

Обчисліть аналіз Каплана — Мейєра (без коваріат) за допомогою survfit(). Збережіть результат в об'єкті fitKMSimple. Пам'ятайте: залежна змінна (змінна ліворуч від тильди ~) — знову ваш об'єкт виживаності survObj. Потім виведіть fitKMSimple.
Побудуйте графік об'єкта результату fitKMSimple і додайте підписи до осей (аргументи xlab та ylab).
Тепер крок далі: обчисліть аналіз Каплана — Мейєра з survObj як залежною змінною та змінною voucher як коваріатою. Не забудьте вказати аргумент data.
Знову побудуйте графік результату нової моделі та додайте підписи до осей.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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)

Редагувати та запускати код