Question

我正试图在订阅上模拟客户生命周期。随着数据被审查，我将使用R的生存包来创建生存曲线。

原始订阅数据集看起来像这样..

id  start_date  end_date
1   2013-06-01  2013-08-25
2   2013-06-01  NA
3   2013-08-01  2013-09-12

我操纵它看起来像这样......

id  tenure_in_months status(1=cancelled, 0=active)
1   2                1
2   ?                0
3   1                1

..为了养活生存模式：

obj <- with(subscriptions, Surv(time=tenure_in_months, event=status, type="right"))
fit <- survfit(obj~1, data=subscriptions)
plot(fit)

我应该在tenure_in_months变量中为被处理的案件提出什么，即今天订阅仍然有效的情况 - 它应该是到今天为止的任期还是NA？

Answer 1

首先，我要说我不赞同以前的答案。对于今天仍然有效的订阅，它不应被视为直到今天的任期，也不应被视为NA。我们对这些订阅有何确切了解？我们知道它们一直持续到今天，这相当于对这些观察结果说tenure_in_months，虽然我们不确切地知道它们有多长，它们的持续时间比它们的使用期长。

这是生存分析中称为右检验者的情况。请参阅：http://en.wikipedia.org/wiki/Censoring_%28statistics%29

所以你的数据需要翻译

id  start_date  end_date
1   2013-06-01  2013-08-25
2   2013-06-01  NA
3   2013-08-01  2013-09-12

为：

id  t1   t2    status(3=interval_censored)
1   2    2           3
2   3    NA          3
3   1    1           3

然后您需要更改您的R surv对象：

Surv(time=tenure_in_months, event=status, type="right")

为：

Surv(t1, t2, event=status, type="interval2")

有关更多语法详细信息，请参阅http://stat.ethz.ch/R-manual/R-devel/library/survival/html/Surv.html。可以找到计算详细信息的非常好的摘要：http://support.sas.com/documentation/cdl/en/statug/63033/HTML/default/viewer.htm#statug_lifereg_sect018.htm

区间删失数据可以用两种方式表示。对于第一次使用type = interval和上面显示的代码。在该用法中，除非event = 3，否则将忽略time2参数的值。第二种方法是将每个观察视为一个时间间隔，其中（-infinity，t）用于左删失，（t，无穷大）用于右删失，（t，t）用于精确和（t1，t2）用于间隔。这是用于type = interval2的方法，NA代替无穷大。事实证明它更有用。

Answer 2

如果缺少结束日期表示订阅仍处于活动状态，则您需要将当前日期的时间作为审查日期。

NA不会与生存对象一起工作。我认为这些案例将被省略。那不是你想要的！因为这些案例包含有关生存的重要信息。

获取事件时间的SQL代码（在SELECT部分查询中使用）

DATEDIFF(M,start_date,ISNULL(end_date,GETDATE()) AS tenure_in_months

顺便说一句：对于我的分析，我会在几天内使用差异。把时间缩短到几个月是没有意义的。

Answer 3

您需要知道收集数据的日期。 tenure_in_months 2的id应为此日期减去2013-06-01。

否则我相信您的数据编码是正确的。 status 2的id为0表示它被右删失（意味着我们的生命周期有一个下限，但不是上限）。

如何将审查数据输入R的生存模型？

3 个答案: