#CHAPTER 12: ELAPSED TIME THROUGH STAGES
###############################################################

####################################################
#LIBRARIES TO LOAD
####################################################
library(eha); library(WeibullR); library(xlsx)

####################################################
####################################################
##12.3. RETENTION AND EVENT MODELS
####################################################
##SECTION 13.3.1: DATA TO THE ANALYTIC
####################################################
#IMPORT DATA TO CASE
#<path> provided by the user to inform of location of data 
dur<- read.xlsx("C:\\<path>\\SkillsForCareerSecurity.xlsx", 
	sheetName="tblDuration", header=TRUE) 
head(dur)
str(dur)

####################################################
##SECTION 12.3.2:EMPERICAL MODELING
####################################################
#CREATE THE OUTPUT VARIABLE WITH AGE
fit<- coxph(Surv(Age, Event)~ 1, data=dur)
#EXTRACT IMPERICAL SURVIVAL TABLE AND PLOT
s.fit<- survfit(fit)
#SURVIVAL TABLE
summary(s.fit)
#SURVIVAL PLOT
plot(s.fit, lwd=2)

####################################################
##SECTION 12.3.3: PARAMETRIC MODELING
####################################################
#PARAMETRIC FIT FOR BETA AND ETA
fit.w<- phreg(Surv(Age, Event)~ 1, data=dur)
summary(fit.w)
(beta<- exp(fit.w$coefficients[2]))
(eta<- exp(fit.w$coefficients[1]))
#PLOT UPON PARAMETERS
plot(fit.w, lwd=2)

####################################################
##SECTION 12.3.4: MULTIPLE PREDICTOR VARIABLES
####################################################
#DIFFERENCE IN FUNTIONS BY PLANNER
#GRAPHIC COMPARISON
fit.w.st<- phreg(Surv(Age, Event)~ 1 + strata(Planner), data=dur)
plot(fit.w.st, lwd=2)
summary(fit.w.st)

#REGRESSION ANALYSIS OF PLANNER TO OUTCOME
fit.w.pl<- phreg(Surv(Age, Event)~ Planner, data=dur)
summary(fit.w.pl)

####################################################
####################################################
## 12.4. WEIBULL PLOT
####################################################
##WEIBULL PLOT
#VECTOR OF CENSORED CASES
cen<- dur[dur$Event == 0,]
str(cen)
censor<- as.vector(cen$Age)
str(censor)

#VECTOR OF EXIT EVENT CASES
ex<- dur[dur$Event == 1,]
str(ex)
exits<- as.vector(ex$Age)

#PLOT THE WEIBUL PLOT
#BEST MODEL IS THE MLE MODEL BECAUSE OF HIGH NUMBER OF CASES
fit.dur.MLE<-MLEw2p(exits, censor, bounds = TRUE, show = TRUE)
#MRR MODEL SHOWS POOR FIT
fit.dur.MRR<-MRRw2p(exits, censor, bounds = TRUE, show = TRUE)