Analiza przeżycia dla grup
Analiza przeżycia w Pythonie
Shae Wang
Senior Data Scientist
Problem hipoteczny
Nazwa DataFrame: mortgage_df
| id | property type | duration | paid_off |
|---|---|---|---|
| 1 | house | 25 | 0 |
| 2 | apartment | 17 | 1 |
| 3 | apartment | 5 | 0 |
| ... | ... | ... | ... |
| 100 | house | 30 | 1 |
Typ nieruchomości: rodzaj nieruchomości finansowanej hipoteką (dom lub mieszkanie)
Czy czas spłaty różni się między hipotekami na domy i mieszkania?
Porównanie rozkładów przeżycia grup
Często interesuje nas ocena, czy istnieją różnice w przeżyciu (lub prawdopodobieństwach zdarzeń/przeżycia) między różnymi grupami podmiotów.
- Atrybuty opisujące podmioty
- np. różne rodzaje hipotek, różne marki opon
- Różne grupy eksperymentalne
- np. grupy eksperymentalna i kontrolna
- Różne wartości tego samego atrybutu
- np. gospodarstwa domowe o wysokich i niskich dochodach
Typy porównań grupowych w analizie przeżycia
1. Czy estymaty punktowe lub statystyki przeżycia różnią się?
- Porównanie prawdopodobieństw przeżycia dwóch grup w określonym czasie
- Porównanie łącznego odsetka przeżywających podmiotów między dwiema grupami
Typy porównań grupowych w analizie przeżycia
2. Czy rozkłady bazowe różnią się?
- Wymaga formalnego testowania hipotez
Typy porównań grupowych w analizie przeżycia
3. Jak bardzo atrybut wpływa na przeżycie?
- Wymaga regresyjnych modeli statystycznych
Wizualizacja różnic między grupami
Dopasowanie funkcji przeżycia Kaplana-Meiera do każdej grupy i wizualizacja krzywych obok siebie.
Zalety:
- Prosta i intuicyjna w użyciu i interpretacji.
- Metoda nieparametryczna – elastyczna dla różnych rozkładów przeżycia.
- Przydatne narzędzie ilustrujące różnice między funkcjami przeżycia.
Identyfikacja grup
Nazwa DataFrame: mortgage_df
| id | property type | duration | paid_off |
|---|---|---|---|
| 1 | house | 25 | 0 |
| 2 | apartment | 17 | 1 |
| 3 | apartment | 5 | 0 |
| ... | ... | ... | ... |
| 100 | house | 30 | 1 |
Utwórz maskę logiczną dla każdej grupy.
house = (mortgage_df["property_type"]=="house")
apt = (mortgage_df["property_type"]=="apartment")
Przy tylko 2 grupach wystarczy 1 maska. Drugą grupę można wskazać przez negację.
Dopasowanie i wizualizacja krzywych przeżycia
Utwórz wykres i zainicjuj klasę KaplanMeierFitter.
ax = plt.subplot(111)
mortgage_kmf = KaplanMeierFitter()
Dopasuj mortgage_kmf do grupy domów i wyrysuj na wykresie ax.
mortgage_kmf.fit(duration=mortgage_df[house]["duration"],
event_observed=mortgage_df[house]["paid_off"],
label="Houses")
mortgage_kmf.plot_survival_function(ax=ax)
Dopasowanie i wizualizacja krzywych przeżycia
Dopasuj mortgage_kmf do grupy mieszkań i wyrysuj na wykresie ax.
mortgage_kmf.fit(duration=mortgage_df[apt]["duration"],
event_observed=mortgage_df[apt]["paid_off"],
label="Apartments")
mortgage_kmf.plot_survival_function(ax=ax)
Wizualizacja porównawcza
plt.show()
Interpretacja krzywych przeżycia grup
- Hipoteki na mieszkania są spłacane przeciętnie szybciej niż na domy.
- W każdym momencie wyższy odsetek klientów spłacił hipotekę na mieszkanie niż na dom.
Uwaga: jeśli przedziały ufności nakładają się w pewnych punktach, rzeczywista różnica między krzywymi jest mniej prawdopodobna.
Czas na ćwiczenia!
Analiza przeżycia w Pythonie
