Prognose Zeit bis Ereignisüberlebensanalyse

Question

Ich versuche derzeit, die Zeit zu Ereignis zu modellieren, wo drei verschiedene Ereignisse auftreten können. Es ist für Telekommunikationsdaten, und ich möchte die erwartete Lebensdauer von entsperrten Kunden vorhersagen, also Kunden, für die ihre Vertragslaufzeit abgelaufen ist und sie können jetzt monatlich zurücktreten. Sie sind entsperrte Kunden, sobald ihr 1- oder 2-Jahres-Vertrag endet, und im Laufe der Zeit können sie abwandern, behalten (einen neuen Vertrag kaufen) oder einen freigeschalteten Kunden bleiben (also brauche ich ein konkurrierendes Risikomodell).

Jetzt ist mein Punkt des Interesses, ist die Zeit, bis eines dieser Ereignisse geschieht. Ich dachte daran, ein Cox-Regressionsmodell zu verwenden, um den Einfluss von Kovariaten auf die Überlebenswahrscheinlichkeit zu finden, aber da das Grundlinienrisiko für Cox nicht definiert ist, wird es schwierig sein, die Zeit bis zum Ereignis vorherzusagen (richtig?). Ich dachte, dass ein parametrisches Überlebensmodell dann besser funktionieren könnte, aber ich kann mich aus dem, was ich bisher im Internet gefunden habe, nicht wirklich entscheiden.

Jetzt ist meine Frage, ist Überlebensanalyse die richtige Methode, um Zeit bis zum Ereignis vorherzusagen? Hat jemand vielleicht Erfahrung mit der Vorhersage von Zeit für ein Ereignis?

Answer 1

Sie können ein parametrisches Modell für die Grundlinie annehmen, indem Sie z. survival::survreg. Auf diese Weise vermeiden Sie die Baseline. Darüber hinaus können Sie die nichtparametrische Baseline in der Stichprobe mit einem Cox-Modell schätzen. Siehe das type = "expected" Argument in ?predict.coxph.