1. Učit se
    2. /
  2. Kurzy
    3. /
  3. Hierarchické a smíšené modely s náhodnými efekty v R
Connected

Cvičení

Marketingový příklad

Jak bylo popsáno ve videu, náš klient chce vědět, jestli doporučení od kamaráda zvyšuje počet lidí, kteří si jeho online produkt koupí, místo aby ho přeskočili. Poskytl nám přehled svých dat jako data.frame s názvem all_data. Tato data obsahují počet Purchases (nákupů) a Passů (přeskočení) pro 4 testovací města (city) a také hodnocení zákazníka (ranking). Taková struktura dat přímo vybízí k použití cbind() na dva sloupce zájmu pro vytvoření matice (v R existují i jiné způsoby, jak matici vytvořit, ale tento patří k nejjednodušším).

Zajímá tě, jestli doporučení od friend (kamaráda) zvyšuje pravděpodobnost nákupu. Pro zodpovězení této otázky sestavíš model pomocí glmer() a pak prozkoumáš jeho výstup.

Pokud je odhadovaný parametr pro friend významně větší než nula, doporučení od kamaráda zvyšuje šanci na nákup. Pokud je odhadovaný parametr pro friend významně menší než nula, doporučení od kamaráda šanci na nákup snižuje. Pokud se odhadovaný parametr pro friend významně neliší od nuly, doporučení od kamaráda nemá na nákup žádný vliv.

Pokyny 1/2

undefined XP
    1
    2
  • Sestav model glmer() s data.frame all_data. Jako závislou proměnnou použij cbind(Purchases, Pass) a jako prediktory friend a ranking (friend uveď jako první). Jako náhodný efekt použij city a nastav family = "binomial".
  • Funkce cbind() je nutná, protože glmer() vyžaduje maticový vstup.