J'essaie actuellement de modéliser le temps à l'événement, où il existe trois événements différents qui pourraient se produire. C'est pour les données de télécommunication, et je veux prédire la durée de vie prévue des clients débloqués, donc les clients pour qui leur période de contrat est terminée et ils peuvent démissionner maintenant sur une base mensuelle. Ce sont des clients débloqués dès la fin de leur contrat de 1 ou 2 ans et, au fil du temps, ils peuvent chuter, conserver (acheter un nouveau contrat) ou rester un client débloqué (j'ai donc besoin d'un modèle de risque concurrent).temps de prévision à l'analyse de survie de l'événement
Maintenant, ce qui m'intéresse, c'est le temps avant que l'un de ces événements ne se produise. Je pensais utiliser un modèle de régression de Cox pour trouver l'influence des covariables sur la probabilité de survie, mais comme le risque de base n'est pas défini pour Cox, il sera difficile de prévoir le moment de l'événement (non?). Je pensais qu'un modèle de survie paramétrique pourrait fonctionner mieux alors, mais je ne peux pas vraiment me décider à partir de ce que je trouve sur Internet jusqu'à présent.
Maintenant, est ma question, l'analyse de survie est la bonne méthode pour prédire le temps à l'événement? Est-ce que quelqu'un a peut-être de l'expérience avec la prévision du temps à l'événement?
IMHO cette question est plutôt pour stats.stackexchange.com – user31264