我目前正在尝试对活动时间进行建模，其中可能会发生三种不同的事件。这是电信数据，我想预测解锁客户的预期寿命，因此客户的合同期已经结束，他们现在可以按月辞职。一旦他们的1年或2年合同结束，他们就是解锁客户，随着时间的推移，他们可以流失，保留（购买新合同）或保持解锁客户（因此我需要竞争风险模型）。 / p>
现在我感兴趣的是，直到其中一个事件发生的时间。我当时正在考虑使用Cox回归模型来找出协变量对生存概率的影响，但由于没有为Cox定义基线危险，因此很难预测事件的发生时间（对吗？）。我当时认为参数化生存模型可能效果更好，但到目前为止，我无法从互联网上的内容中做出决定。
现在是我的问题，生存分析是预测事件发生时间的正确方法吗？有没有人可能有预测活动时间的经验？
答案 0 :(得分：0)
您可以使用例如，假设基线的参数模型survival::survreg。这样就可以避免基线。此外，您可以使用cox模型估计样本内的非参数基线。请参阅type = "expected"中的?predict.coxph参数。