शुरू करेंमुफ़्त में शुरू करें

रैंडम प्राइस कोएफ़िशिएंट वाला चॉकलेट मॉडल

ठीक है, अब हम chocolate डेटा पर एक हायरार्किकल मॉडल फिट करने के लिए तैयार हैं। पहले वाले कोड से शुरू कीजिए, जिसमें हमने नॉन-हायरार्किकल चॉइस मॉडल एस्टिमेट किया था, और उसे इस तरह संशोधित कीजिए कि Price पैरामीटर नॉर्मली डिस्ट्रीब्यूटेड हो। chocolate डेटा अब भी लोड है।

यह अभ्यास पाठ्यक्रम का हिस्सा है

R में मार्केटिंग के लिए Choice Modeling

पाठ्यक्रम देखें

अभ्यास निर्देश

  • mlogit.data() में id.var = "Subject" इनपुट जोड़ें। इससे mlogit.data() को पता चलता है कि हर सवाल का जवाब किस व्यक्ति ने दिया।
  • mlogit() में rpar इनपुट जोड़ें। यह c(Price = "n") के बराबर होना चाहिए ताकि संकेत मिले कि आप Price के कोएफ़िशिएंट को नॉर्मली डिस्ट्रीब्यूटेड मानना चाहते हैं।
  • mlogit() में panel = TRUE इनपुट जोड़ें ताकि यह माना जाए कि हर Subject का अपना अलग Price कोएफ़िशिएंट है।
  • हायरार्किकल मॉडल को प्लॉट करने के लिए plot(choc_m6) टाइप करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# add id.var input to mlogit.data call
chocolate <- mlogit.data(chocolate, choice = "Selection", shape="long", 
                         varying=6:8, alt.var = "Alt", ____)
                         
# add rpar and panel inputs to mlogit call
choc_m6 <- mlogit(Selection ~ 0 + Brand + Type + Price, data = chocolate, 
                  ____, ____)

# plot the model
कोड संपादित करें और चलाएँ