我目前正在尝试模拟事件发生的时间,其中有三个不同的事件可能发生。这是电信数据,我想预测未锁定客户的预期寿命,因此客户的合同期已经结束,他们可以按月辞职。一旦他们的1年或2年合同结束,他们就会成为解锁客户,随着时间的推移,他们可能会流失,保留(购买新合同)或保持解锁客户(因此我需要一个竞争风险模型)。
现在我感兴趣的是,这些事件发生之前的时间。我想使用Cox回归模型来找出协变量对生存概率的影响,但由于Cox的基线风险没有定义,因此很难预测事件发生时间(对吗?我想参数生存模型可能会更好,但我真的不能从我在互联网上找到我的想法到目前为止。
生存分析是预测事件发生时间的正确方法吗?
1条答案
按热度按时间8xiog9wr1#
您可以假设基线的参数模型,例如:
survival::survreg
。这样你就可以避开基线。此外,您可以使用cox模型估计样本内的非参数基线。参见?predict.coxph
中的type = "expected"
参数。