CommencezCommencez gratuitement

Un modèle probit pour la demande de bière

Vous avez entendu dire que d'autres scientifiques des données préfèrent utiliser la fonction de réponse probit pour modéliser les décisions d'achat. Le modèle probit traite les décisions d'achat comme des propensions latentes. Ça a l'air sophistiqué et ça vous rend un peu nerveux, alors vous décidez d'essayer le probit vous aussi.

Vous pouvez de nouveau utiliser la fonction glm() pour décrire la relation HOPPINESS ~ price.ratio. Il suffit d'ajouter à l'argument family la valeur binomial(link = probit). Comme d'habitude, on obtient les coefficients estimés avec la fonction coef().

Cette activité fait partie du cours

Créer des modèles de réponse dans R

Voir le cours

Instructions de l’exercice

  • Expliquez HOPPINESS par price.ratio en utilisant la fonction glm() et l'argument family = binomial(link = probit). Assignez le résultat à un objet nommé probit.model.
  • Obtenez les coefficients de probit.model en utilisant la fonction coef().

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

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

# Obtain the coefficients
Modifier et exécuter le code