生存分析不难！轻松了解 R 中的 Kaplan-Meier 模型

您听说过生存分析吗？ 第一次听到它时，您可能会觉得很吓人，但实际上它并不复杂。 今天，我们就来看看 卡普兰-梅耶生存分析模型R 语言入门我要试试。

生存分析通常用于生命科学或医学研究、 客户流失分析或 产品使用寿命也是一种常用来衡量治疗效果的强大工具。让我们以生存分析的经典模型卡普兰-梅尔模型为例。

什么是 Kaplan-Meier 生存分析？

生存分析是对 事件（如关闭、流失、死亡等）这种模式可以让您分析某个事件发生前的时间，例如 客户流失概率或 产品多久会失效测量

卡普兰-梅耶模型创建了一条生存曲线，并利用 事件在一段时间内发生的可能性直观。每当这条曲线下降，就说明发生了一个事件。

通过简单示例学习卡普兰-梅耶模型

现在，让我们来看一个可以在现实生活中应用的简单例子。 客户流失分析例如，我们可以假设有 10 位客户正在使用我们的服务。我们可以使用 Kaplan-Meier 模型来分析客户流失的概率。

我们将使用 R 代码将这一过程可视化。

# 加载所需的库
library(survival)
library(survminer)

# 创建 10 个客户的数据
# 记录客户使用服务的年份和流失的年份
data <- data.frame(
    customer = 1:10、
    start_year = rep(2020, 10), # 所有客户从 2020 年开始使用服务
    leave_year = c(2021, NA, 2022, NA, 2023, 2024, NA, NA, 2023, 2024) # 如果他们没有离开，则为 NA
)

# 计算客户使用服务的时间
data$time_in_service <- ifelse(is.na(data$leave_year), 2024 - data$start_year, data$leave_year - data$start_year)

# 以 1 或 0 显示客户是否离开（1：离开，0：仍在使用）
data$status <- ifelse(is.na(data$leave_year), 0, 1)

代码说明：

  1. 生成数据:为 2020 年开始使用服务的 10 位客户创建数据。一些客户在 2021 年开始流失，而另一些客户仍在使用服务。
  2. 计算流失期计算每位客户使用服务的年限。未流失的客户被视为使用服务至 2024 年。
  3. 反弹与否显示客户是否流失，1（已流失）和 0（仍在使用）。

可视化 Kaplan-Meier 生存曲线

现在，让我们根据数据绘制一条 Kaplan-Meier 生存曲线。让我们绘制一条曲线，直观地表示客户使用我们服务的时间。

应用 # Kaplan-Meier 生存模型
fit <- survfit(Surv(time_in_service, status) ~ 1, data = data)

可视化 # 生存曲线（明确传递数据）
ggsurvplot(fit、
           data = data, # 将数据传给 ggsurvplot
           conf.int = TRUE, # 显示置信区间
           xlab = "使用服务的时间长度（年）"，# x 轴标签
           ylab = "使用服务的客户百分比"，# y 轴标签
           title = "使用服务的客户生存曲线", # 图表标题
           palette = "蓝色", # 图表颜色
           risk.table = TRUE, # 为每年添加风险表
           ggtheme = theme_minimal()) # 应用最小主题

代码说明：

  1. 应用卡普兰-梅耶模型客户流失：对客户数据应用 Kaplan-Meier 生存模型，计算客户流失的概率。
  2. 可视化生存曲线: ggsurvplot 根据客户使用服务的时间，使用函数绘制客户生存曲线。 conf.int = TRUE表示置信区间，以增加对结果的置信度。
  3. 添加风险表注：在图表下方添加一个表格，显示每年使用该服务的客户数量。

解读可视化结果

Kaplan-Meier 생존 분석 시각화

1. 生存曲线概述

  • 该图显示了使用您服务的客户的生存曲线。
  • x 轴表示服务年限，单位为年、 y 轴表示仍在使用该服务的客户百分比。
  • 最初，所有客户（100%）都在使用服务，随着时间的推移，客户流失，生存曲线逐渐下降。

2. 曲线上的关键点

  • 该图是一个 0 年并初步显示所有客户（10）都在使用该服务。
  • 1 年并出现第一次流失，此时存活率曲线会从 100% 变为大约 90%到底部。
  • 2 年然后会再次出现流失，导致生存曲线下降到 约 80%到底部。
  • 3 年 此后，存活率曲线又开始回落、 60%的客户保留并继续使用该服务。
  • 4 年 此时，存活率曲线进一步下降，最后定格在大约 50%是唯一的客户。

3. 置信区间（灰色阴影）

  • 蓝色生存曲线周围 灰色调是 置信区间为
  • 这显示了各点存活概率的置信度，阴影越宽表示预测的不确定性越大。
  • 存活率曲线每向下倾斜一次，置信区间就会扩大一次，从而增加了预测的不确定性。

4 风险人数表

  • 图表底部有一个名为 "风险人数 "的表格。
  • 该表显示了每年仍在使用该服务的用户数量。
  • 0 年 目前，所有 10 位客户都在使用这项服务。
  • 1 年 之后，还剩下 9 位顾客、 2 年 后来是 8 人、 3 年 后来，有六个人仍在使用这项服务。

5.解读曲线

  • 存活率曲线下降曲线向下倾斜的部分表示客户放弃了服务。服务使用时间越长，客户流失越多，存活率曲线逐渐下降。
  • 最后存活率用户数量：四年后，有一半（50%）用户仍在使用该服务，这意味着其他 50% 用户已离开该服务。

该图使用 Kaplan-Meier 生存分析法直观地显示了客户使用服务的时间以及他们的流失趋势。您可以清楚地了解随着时间推移客户流失的百分比。

总结：Kaplan-Meier 模型 R 分析不再困难！

今天，我们揭开了 Kaplan-Meier 生存分析模型的神秘面纱，甚至还使用 R 将其可视化。这个模型起初可能看起来很吓人，但一旦将其应用到客户流失分析等实际案例中，就会变得更容易理解。希望您今后能将此模型用于各种数据分析！

一次性复制下面的全部代码，并添加 RStudio如果您想了解 Kaplan-Meier 模型在现实世界中的应用，请查看 黑白厨师也难逃的米其林魔咒：《R》分析的故事 希望您能回顾一下这篇文章。

#F 完整 R 代码

# 加载所需的库
library(survival)
library(survminer)

# 创建 10 个客户的数据
# 记录客户使用服务的年份和流失的年份
data <- data.frame(
    customer = 1:10、
    start_year = rep(2020, 10), # 所有客户从 2020 年开始使用服务
    leave_year = c(2021, NA, 2022, NA, 2023, 2024, NA, NA, 2023, 2024) # 如果他们没有离开，则为 NA
)

# 计算客户使用服务的时间
data$time_in_service <- ifelse(is.na(data$leave_year), 2024 - data$start_year, data$leave_year - data$start_year)

# 以 1 或 0 显示客户是否离开（1：离开，0：仍在使用）
data$status <- ifelse(is.na(data$leave_year), 0, 1)

应用 # Kaplan-Meier 生存模型
fit <- survfit(Surv(time_in_service, status) ~ 1, data = data)

可视化 # 生存曲线（明确传递数据）
ggsurvplot(fit、
           data = data, # 将数据传给 ggsurvplot
           conf.int = TRUE, # 显示置信区间
           xlab = "使用服务的时间长度（年）"，# x 轴标签
           ylab = "使用服务的客户百分比"，# y 轴标签
           title = "使用服务的客户生存曲线", # 图表标题
           palette = "蓝色", # 图表颜色
           risk.table = TRUE, # 为每年添加风险表
           ggtheme = theme_minimal()) # 应用最小主题

类似文章