Kaplan-Meier 分析
在這個練習中，你會操作 Kaplan-Meier 分析——先不含共變數，接著加入一個類別型共變數。
survival 套件已載入到你的工作空間。生存物件 survObj 和你的資料 dataNextOrder 也都還在環境中。現在，資料多了一個名為 voucher 的共變數，你會在本題用到。這個類別變數表示顧客是否在第一次下單時使用折價券，取值為 0 或 1。
本練習屬於課程
R 的行銷分析機器學習
練習說明
- 使用
survfit()計算不含共變數的 Kaplan-Meier 分析。把結果存成fitKMSimple。記得應變數（在波浪符~左側）仍是你的生存物件survObj。然後列印fitKMSimple。 - 繪製結果物件
fitKMSimple，並加入座標軸標籤（使用xlab與ylab參數）。 - 進一步操作：以
survObj為應變數、voucher為共變數，計算含共變數的 Kaplan-Meier 分析。別忘了指定data參數。 - 同樣地，將新模型的結果畫圖，並加入座標軸標籤。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# 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)