線形予測
回帰は、特定のA/Bグループに基づく場合でもグループを無視する場合でも、独立変数の値から従属変数の結果を予測できるため、ビジネスで特に重視されます。
ある企業は、サイト内の検索に費やした時間が、サイトでの支出額に与える影響を評価したいと考えています。あなたはグループを無視した線形モデル spending を作成し、線形回帰の前提が満たされていることを確認しました。企業は、グループに関係なく、ウェブサイトで30分、32分、40分滞在した場合に、どの程度の金額が使われる可能性が高いかに関心があります。
SiteSales データセットと線形回帰モデル spending はすでに読み込まれています。
この演習はコースの一部です
Rで学ぶA/Bテスト
演習の手順
- 予測したい時間である30、32、40分を、
TimeSearchingという変数に保存します。 - 時間を
timepredictというデータフレームに保存します。 - 関心のある時間点と
spendingモデルを用いて、使われる可能性が高い金額を求めます。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# Store the data to predict
TimeSearching <- c(___)
# Store the data in a data frame
timepredict <- data.frame(___)
# Determine the amount expected to spend
predict(___, newdata = ___)