何ができるか
コックス回帰を使うと、次の質問に答えられます。- このデータ(説明変数)を使うことで、あるタイミング(例:サービスの利用開始から1年後)における生存状態(例:サービスのキャンセル)のTRUE/FALSEをどれだけうまく分けられているか。
- どの変数が、あるタイミングにおける生存状態を予測するうえで重要か。
- 説明変数の値が変わると、生存曲線はどのように変わるか。
必要なデータ
コックス回帰のモデルを作成するためには、**1行が1観察対象(例:1行が1顧客)**のデータが必要です。 また、以下の情報も列に必要です。- 開始時期:観察対象の観察の開始時期を表す、Date(日付)型、またはPOSIXct(日付時間)型の列
- 終了時期:観察対象の観察の終了時期を表す、Date(日付)型、またはPOSIXct(日付時間)型の列
- 生存状態:観察対象のイベントのステータスを表す、ロジカル型の列(例:チャーン、解約、離職、死亡など)
- 説明変数:生存状態を予測するための列(データタイプに制限はありません)
サンプルデータ
今回は、動画視聴のサブスクリプション・サービスを想定したサンプルデータを使います。この例のデータは説明用に作った架空のものです。 データは800行・18列で、1行が1顧客です。列は次のとおりです。- 顧客ID、最初の利用日、最後の利用日、チャーン
- 視聴時間を表す、アクション、アニメ、コメディ、ドラマ、ヒューマン、SF
- 利用デバイス(Mobile または PC)、オフライン機能、いいね、SNSへの投稿数
- 年齢、性別、婚姻ステータス
- 生存時間(日数)
コックス回帰のモデルを作成する
今回は顧客のある時点での生存確率を予測するコックス回帰のモデルを作成します。 アナリティクス・ビューで、タイプの「生存分析」から「コックス回帰」を選択します。







結果の解釈
説明変数の重要度
「変数間の関係」の「説明変数の重要度」では、チャーンに関する生存曲線を予測するために、どの説明変数が相対的により重要なのかがチャートで表示されます。凡例は「有意」と「有意でない」です。

説明変数の影響度
「説明変数の影響度」では、期間が4か月の時点において、他の変数が一定であったとき、それぞれの説明変数の値が変わるとチャーンの発生確率がどのように変わるかが表示されます。画面の説明によると、青い線(または点)は説明変数の値に対する予測値、グレーの線は実測値とその95%信頼区間です。





生存曲線
「生存曲線」では、予測される生存曲線が説明変数によってどう変化するのかがわかります。時間の経過の単位は月です。

変数のハザード比
「変数のハザード比」では、説明変数ごとのハザード比と、その有意性を判断するためのP値、信頼区間が表で表示されます。





モデルの指標
「モデルの指標」では、この予測モデルの評価を確認できます。


ROC曲線
「ROC曲線」では、時点AUCの元となる面積をROC曲線から確認できます。Y軸は真陽性率、X軸は偽陽性率で、青い線が今回のモデル、対角線の点線がランダムな予測(AUC: 0.5)です。


予測結果
「トレーニングデータに対する予測」の「予測結果」を開くと、モデルに使用したデータと予測値がテーブルで表示されます。


コックス回帰に関するよくある質問
Q: 「説明変数の影響度」で表示されている実測値はどのように求められているのですか?
実測値はそれぞれの説明変数のデータタイプによって表示が異なります。 詳しくはこちらのノートをご覧ください。Q: 「説明変数の影響度」で表示されている予測値はどのように求められているのですか?
予測値のチャートはPartial Dependence Plot(PDP)と呼ばれるもので、注目している変数の値を変化させたときに、予測結果がどう変わるかを可視化したチャートとなります。詳しくはこちらのノートをご覧ください。Q: 予測に使用する生存期間はどのように変更できますか?
「予測に使用する生存時間」の初期値は「Mean of Survival Time」(生存期間の平均)ですが、「タイプ」の右にある歯車の設定の「影響度」にある「予測に使用する生存時間」から変更できます。
Q: 予測に使用する生存率のしきい値はどのように変更できますか?
設定の「影響度」にある「予測に使用する生存率のしきい値」から変更できます。しきい値の初期値は0.5です。設定には、このほか「係数」の「P値の有意水準」(0.05)と「係数の値で変数を並べる」(TRUE)があります。
