Qual è il valore aggiunto?
Ricordi ancora le scarse prestazioni del tuo primo semplice modello di risposta. Ora sei curioso di capire il valore aggiunto dell'inclusione dei ritardi (lags). Perciò, combini tutti gli strumenti di marketing e i loro effetti ritardati in un unico modello chiamato extended.model. Ottieni le previsioni del modello usando la funzione fitted.values() sull'oggetto extended.model. Per tenere conto della perdita della prima osservazione dovuta all'operazione di lag, aggiungi NA al vettore dei valori previsti.
Questa volta, per verificare il tuo modello, visualizza la relazione tra log(SALES) e l'indice di scorrimento usando plot(). Allo stesso modo, aggiungi le previsioni del modello al grafico con lines(). La funzione lines() collega i punti previsti e l'indice di scorrimento tramite segmenti di linea.
Questo esercizio fa parte del corso
Creare modelli di risposta in R
Istruzioni dell'esercizio
- Stima un modello di risposta esteso che spieghi
log(SALES)con tutti gli strumenti di marketing e i relativi termini ritardati. Assegna il risultato a un oggetto chiamatoextended.model. - Ottieni le previsioni del modello usando la funzione
fitted.values()sull'oggettoextended.model. Assegna il risultato a un oggetto chiamatopredicted.values. - Visualizza la relazione tra
log(SALES)e l'indice di scorrimento usando la funzioneplot(). - Aggiungi le previsioni del modello al grafico usando la funzione
lines().
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Extend the sales resonse model
___ <- ___(___ ~ PRICE + Price.lag + DISPLAY + Display.lag + COUPON + Coupon.lag + DISPLAYCOUPON + DisplayCoupon.lag, data = sales.data)
# Obtain the model predictions
predicted.values <- c(NA,___(___))
# Plot log(SALES) against the running index
___(___ ~ 1, data = sales.data)
# Add the model predictions to the plot
___(___ ~ ___)