始める無料で始める

付加価値はどれくらい？

最初の単純なレスポンスモデルの性能がよくなかったことを覚えていらっしゃると思います。そこで、ラグをとることでどれだけ価値が加わるのかが気になってきました。すべてのマーケティング施策とそのラグ効果を1つのモデル extended.model にまとめます。extended.model オブジェクトに対して関数 fitted.values() を使い、モデル予測を取得します。ラグのせいで最初の観測が欠落することに対応するため、予測値ベクトルの先頭に NA を追加します。

今回はモデルを確認するために、plot() を使って log(SALES) と連番インデックスの関係を表示します。さらに、lines() を使ってモデル予測をグラフに追加します。lines() 関数は、予測データ点と連番インデックスを線分で結びます。

この演習はコースの一部です

Rで学ぶレスポンスモデル構築

コースを見る

演習の手順

  • すべてのマーケティング施策とそのラグ項で log(SALES) を説明する拡張レスポンスモデルを推定し、結果を extended.model というオブジェクトに代入します。
  • extended.model オブジェクトに関数 fitted.values() を適用してモデル予測を取得し、結果を predicted.values というオブジェクトに代入します。
  • 関数 plot() を使って、log(SALES) と連番インデックスの関係を表示します。
  • 関数 lines() を使って、モデル予測をグラフに追加します。

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。

# 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
___(___ ~ ___)
コードを編集して実行