Ajustar un modelo de elección

A continuación, vas a estimar un modelo de elección usando la función mlogit() del paquete mlogit con los datos de sportscar. Los datos ya están cargados. El proceso es muy similar a ajustar un modelo de regresión con lm().

Este ejercicio forma parte del curso

Modelización de elección para marketing en R

Ver curso

Instrucciones del ejercicio

Carga el paquete mlogit usando library().
Ajusta un modelo para predecir choice en función de seat, trans, convert y price. Tendrás que completar la fórmula de entrada.
Resume el objeto m1.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# load the mlogit library 


# fit a choice model using mlogit() and assign the output to m1
m1 <- mlogit(___ ~ ___, data=sportscar)

# summarize the m1 object to see the output of the choice model

Editar y ejecutar código

Este ejercicio forma parte del curso

Modelización de elección para marketing en R

AvanzadoNivel de habilidad

4.8+

19 reviews

Comienza el curso gratis

El objetivo de este capítulo es llevarte por todo el proceso de modelización de elección lo más rápido posible, para que tengas una visión general de lo que podemos hacer con estos modelos y de cómo funciona el proceso. La idea principal es que podemos usar un modelo de elección para entender cómo las decisiones de compra de los clientes dependen de las características de los productos. ¿Prefieren los compradores de deportivos el cambio manual frente al automático? ¿Y en qué medida? Para ofrecerte una panorámica, pasaremos por alto muchos detalles. En los capítulos siguientes volveremos sobre cuestiones importantes de preparación de datos, especificación e interpretación de modelos y presentación de resultados, para que quedes totalmente preparado para aplicar estos métodos a tus propios datos de elección.

Exercise 1: ¿Por qué elegir?Exercise 2: Datos de elección Exercise 3: Inspeccionar datos de elección Exercise 4: Encontrar los niveles de un factor Exercise 5: Inspeccionar una observación de elección Exercise 6: ¿Qué eligió la gente?Exercise 7: Ajustar e interpretar un modelo de elección Exercise 8: Ajustar un modelo de elección

Ejercicio actual

Exercise 9: Interpretar parámetros Exercise 10: Usar modelos de elección para tomar decisiones Exercise 11: Predecir cuotas de elección Exercise 12: Representar las participaciones de elección

Existen muchas fuentes para obtener datos de elección y distintos formatos posibles. En este capítulo tomaremos datos que se proporcionan en varios formatos alternativos y aprenderemos a dejarlos listos para la modelización de elección. También hablaremos de cómo diseñar una encuesta para recopilar tus propios datos de elección.

Exercise 1: Montar datos de elección Exercise 2: ¿Cuántas elecciones tenemos?Exercise 3: Atributos y niveles Exercise 4: Inspeccionar una elección individual Exercise 5: Convertir de formato ancho a largo Exercise 6: Convertir de formato ancho a largo Exercise 7: Ordena los datos en formato largo Exercise 8: Cambia la variable Selection Exercise 9: Datos de elección en dos archivos Exercise 10: Inspeccionar una elección en dos archivos Exercise 11: Unir dos archivos Exercise 12: Visualizar datos de elección Exercise 13: ¿Qué tipos de chocolate elige la gente?Exercise 14: ¿La gente elige precios más bajos?Exercise 15: Diseñar una encuesta de conjoint

En este capítulo profundizaremos en la estimación de modelos de elección. Para darte una base sólida, nos centraremos en cómo el modelo logit multinomial convierte las características del producto en una predicción sobre lo que elegirá el decisor. Esto te dará un marco para decidir qué características incluir en tu modelo.

Exercise 1: Modelos de elección: cómo funcionan por dentro Exercise 2: Crear objeto mlogit.data Exercise 3: Ajusta un modelo de elección Exercise 4: Eliminar el intercepto Exercise 5: Interpretar los parámetros de un modelo de elección Exercise 6: ¿Qué marca de chocolate es la más preferida?Exercise 7: Calcular la disposición a pagar Exercise 8: Precio como factor Exercise 9: Prueba de razón de verosimilitudes Exercise 10: Interceptos e interacciones Exercise 11: Interacción entre marca y tipo Exercise 12: Interacción entre precio y orden de prueba Exercise 13: Predecir cuotas Exercise 14: Predecir cuotas para el segmento racer Exercise 15: Predecir cuotas para tabletas de chocolate Exercise 16: Representa las cuotas de las tabletas de chocolate

Cada persona tiene gustos y preferencias diferentes. Esto es intuitivo, pero también hay abundante investigación en marketing que lo confirma. Este capítulo trata modelos de elección en los que asumimos que distintos decisores tienen preferencias diferentes que influyen en sus elecciones. Cuando nuestros modelos reconocen que los consumidores difieren en sus preferencias, suelen predecir mayores cuotas para productos de nicho que atraen a un subconjunto de consumidores. Los modelos jerárquicos se usan en la mayoría de aplicaciones comerciales de modelización de elección, por lo que es importante entender cómo funcionan.

Exercise 1: ¿Qué es un modelo de elección jerárquico?Exercise 2: ¿Cuántas personas respondieron la encuesta del chocolate?Exercise 3: Modelo de chocolate con coeficiente de precio aleatorio Exercise 4: Heterogeneidad en las preferencias por otras características Exercise 5: Configurar códigos de efectos Exercise 6: Modelo de chocolate con todos los coeficientes aleatorios Exercise 7: Interpretar los parámetros del modelo jerárquico Exercise 8: ¿Cómo valoran las personas el chocolate blanco?Exercise 9: Predecir cuotas con modelos jerárquicos Exercise 10: Predecir cuotas para chocolates Exercise 11: ¡Adiós y mucha suerte!