（对不起英语）我目前正在尝试研究主管部门病假的长度，因此我有一个数据库，其中包括数千片叶子的长度，日期和其他信息。我是这种分析的完全初学者。最后，我应该能够分辨出病假第x天之后发生的病假百分比。我正在尝试使用生存分析包（生存）来简化我的工作。到目前为止，我能够回答我的问题，但我没有考虑审查。对于已被审查的数据，我有一列为0，对于尚未审查的数据，我有一列。在此之前，我正试图获得已经纠正了审查的数据的生存情节。如果我理解正确的原则意味着该情节将是每个病假已经结束的预测情节。这是我正在使用的代码，但我很确定我没有正确使用R。我也不知道我是否应该使用考克斯或其他东西。
好的，所以在时间2013年，我有我的叶子的长度，在event2013我有0为审查数据和1有数据不是。包含所有数据的数据帧称为mydata。
我使用此代码得到的情节是我正在寻找的吗？
s <- Surv(time2013,event2013)
fKM <- survfit(s ~ 1,data=mydata)
plot(fKM,conf.int=FALSE)
答案 0 :(得分：0)
嗯，这可能是我尝试的第一件事，但是对于这方面还有很多方面......
1）你想做什么？这纯粹是探索性的，还是在测试一些假设/理论/假设？
2）被审查的字段是否包含没有病假的人，或者那些从未返回的人？如果他们在数据期间的最后一个日期结束之前去世了，那么如果你假设那些病假还活着的人会以同样的方式受到审查，那会对你有什么影响呢？
3）您有什么其他信息，以及您可以在公式的右侧放置哪些协变量。这个人的性别和年龄似乎是值得的。您是否有服务年资，资历等级，以前的病假期数？
我会回到这里.......我被招手准备晚餐： - ）