Survival Analysis
事件发生的时间分析
什么是生存分析？
生存分析（Survival Analysis）是一种统计方法，用于分析特定事件发生的时间。尽管名称如此，它并不局限于医学研究——它在商业中也被广泛应用！
您提供有关事件发生时间（或是否仍未发生）的数据，系统会计算生存概率、事件的平均时间，并比较不同组。
使用示例：
- • 预测客户何时会取消订阅(churn)
- • 分析工业设备故障的时间
- • 估算客户的生命周期价值
- • 比较医疗治疗或干预的有效性
快速开始
- 1. 将您的数据准备为CSV格式，包括时间、事件状态和组（可选）
- 2. 请上传文件到 上传页面
- 3. 配置参数（模型，变量）
- 4. 请稍候，正在处理中（通常需要2-4分钟）
- 5. 分析生存曲线和统计数据
如何组织您的数据
将您的数据整理成一个包含至少三列的 CSV 表格：
列 1: 时间 (Duration)
距离事件或审查还有多久。例如：120天，8个月，3年
列 2：事件发生 (Event)
如果事件发生了，则为1（例如：客户取消），如果尚未发生，则为0（删节）。
列 3+: 组/协变量（可选）
比较组的特征。例如：计划（基础/高级）、地区、年龄
客户流失表格示例：
| duration_days | churned | plan |
|---|---|---|
| 365 | 1 | basic |
| 180 | 0 | premium |
| 90 | 1 | basic |
| 540 | 0 | premium |
💡 审查： 当 churned=0 时，意味着客户仍然没有在此时取消。这很重要，生存分析知道如何处理这个问题！
分析设置
生存模型
选择分析方法：
时间变量
观察时间的列名。
示例：
duration_days, time_to_event, months
事件变量
指示事件是否发生 (1) 或不发生 (0) 的列名称。
示例：
churned, event_occurred, died
组变量（可选）
用于比较组之间生存曲线的列名。
示例：
plan, treatment, region
理解结果
分析返回生存曲线和统计数据，显示随着时间的推移“生存”（未发生事件）的概率。
生存曲线（卡普兰-梅耶）
Y轴：生存概率
范围从0到1（0%到100%）。表示%尚未发生事件。
示例：0.7 在180天时 = 70% 的客户仍然活跃
X轴：时间
以天、月或年的形式显示时间线。
当事件发生时，曲线阶梯式下降。
中位生存时间
事件发生前的时间达到 50%。
示例：240天的中位数 = 一半的客户在8个月内取消
Log-Rank Test（组比较）
测试不同组的曲线是否在统计上存在显著差异。
p < 0.05 = 组之间的生存率显著不同
⚠️ 实用解释： 如果“premium”组的曲线始终高于“basic”，则意味着优质客户的留存时间更长（流失率更低）。利用这一点来做出战略决策！
需要帮助吗？ 联系： contato@grabatus.com