LoslegenKostenlos starten

Ein Probit-Modell für die Biernachfrage

Du hast gehört, dass andere Data Scientists für Kaufentscheidungen lieber die Probit-Antwortfunktion verwenden. Probit behandelt Kaufentscheidungen als latente Neigungen. Das klingt beeindruckend und macht dich etwas nervös, also probierst du Probit auch aus.

Du kannst wieder die Funktion glm() nutzen, um die Beziehung HOPPINESS ~ price.ratio zu beschreiben. Du musst nur das Argument family um binomial(link = probit) ergänzen. Wie gewohnt erhältst du die geschätzten Koeffizienten mit der Funktion coef().

Diese Übung ist Teil des Kurses

<Kurs>Response-Modelle in R erstellen</Kurs>
Kurs ansehen

Übungsanweisungen

  • Erkläre HOPPINESS durch price.ratio mit der Funktion glm() und dem Argument family = binomial(link = probit). Weise das Ergebnis einem Objekt namens probit.model zu.
  • Ermittle die Koeffizienten von probit.model mit der Funktion coef().

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

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

# Obtain the coefficients
Code bearbeiten und ausführen