Kaplan-Meier 分析

在本练习中，您将练习进行 Kaplan-Meier 分析——分别在没有协变量和含有分类协变量的情况下。

survival 包已加载到您的工作区。生存对象 survObj 和数据 dataNextOrder 也仍在环境中。现在，数据中新增了一个名为 voucher 的协变量，您将在本练习中用到。这个分类变量表示客户在第一次下单时是否使用了代金券，取值为 0 或 1。

本练习是课程的一部分

用 R 进行市场营销分析的机器学习

查看课程

练习说明

使用 survfit() 计算一个不含协变量的 Kaplan-Meier 分析。将结果保存为对象 fitKMSimple。请记住，因变量（位于波浪号 ~ 左侧的变量）依然是生存对象 survObj。然后打印 fitKMSimple。
绘制结果对象 fitKMSimple，并添加坐标轴标签（使用 xlab 和 ylab 参数）。
进一步操作：以 survObj 为因变量、voucher 为协变量，计算一个 Kaplan-Meier 分析。别忘了指定 data 参数。
同样，绘制新模型的结果并添加坐标轴标签。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# 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)

编辑并运行代码