Začněte nyníZačněte zdarma

Jaká je přidaná hodnota?

Ještě si pamatuješ na slabý výkon svého prvního jednoduchého response modelu. Teď tě zajímá, jakou přidanou hodnotu přináší zahrnutí zpožděných efektů. Proto zkombinuješ všechny marketingové nástroje a jejich zpožděné efekty do jednoho modelu s názvem extended.model. Predikce modelu získáš pomocí funkce fitted.values() aplikované na objekt extended.model. Aby ses vyrovnal/a se ztrátou prvního pozorování kvůli operaci zpoždění, přidáš na začátek vektoru předpovězených hodnot NA.

Tentokrát pro ověření modelu zobrazíš vztah mezi log(SALES) a průběžným indexem pomocí funkce plot(). Predikce modelu pak přidáš do grafu pomocí funkce lines(). Funkce lines() propojí předpovězené datové body s průběžným indexem pomocí úseček.

Toto cvičení je součástí kurzu

Tvorba modelů odezvy v R

Zobrazit kurz

Pokyny k cvičení

  • Odhadni rozšířený response model vysvětlující log(SALES) pomocí všech marketingových nástrojů a jejich zpožděných členů. Výsledek ulož do objektu s názvem extended.model.
  • Získej predikce modelu pomocí funkce fitted.values() aplikované na objekt extended.model. Výsledek ulož do objektu s názvem predicted.values.
  • Zobraz vztah mezi log(SALES) a průběžným indexem pomocí funkce plot().
  • Přidej predikce modelu do grafu pomocí funkce lines().

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Extend the sales resonse model
___ <- ___(___ ~ PRICE + Price.lag + DISPLAY + Display.lag + COUPON + Coupon.lag + DISPLAYCOUPON + DisplayCoupon.lag, data = sales.data)

# Obtain the model predictions
predicted.values <- c(NA,___(___))

# Plot log(SALES) against the running index
___(___ ~ 1, data = sales.data)

# Add the model predictions to the plot
___(___ ~ ___)
Upravit a spustit kód