Začněte nyníZačněte zdarma

Probit model pro poptávku po pivu

Slyšel/a jsi, že někteří datoví vědci dávají při modelování nákupních rozhodnutí přednost probit funkci odezvy. Probit nahlíží na nákupní rozhodnutí jako na latentní sklony. Zní to složitě a trochu znepokojivě, takže si probit také vyzkoušíš.

Opět můžeš použít funkci glm() pro popis vztahu HOPPINESS ~ price.ratio. Stačí jen doplnit argument family hodnotou binomial(link = probit). Odhadnuté koeficienty pak jako obvykle získáš pomocí funkce coef().

Toto cvičení je součástí kurzu

Tvorba modelů odezvy v R

Zobrazit kurz

Pokyny k cvičení

  • Vysvětli HOPPINESS pomocí price.ratio s využitím funkce glm() a argumentu family = binomial(link = probit). Výsledek ulož do objektu s názvem probit.model.
  • Získej koeficienty modelu probit.model pomocí funkce coef().

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Explain HOPPINESS by price.ratio
probit.model <- ___(___, family = ___, data = choice.data)

# Obtain the coefficients
Upravit a spustit kód