ビール需要のためのプロビットモデル
他のデータサイエンティストは、購買意思決定のモデリングに probit 応答関数を好むと聞きました。probit は購買の意思決定を潜在的な傾向として扱います。難しそうで少し不安になりますが、あなたも probit を試してみることにします。
関係式 HOPPINESS ~ price.ratio を記述するには、今回も関数 glm() を使えます。family 引数に binomial(link = probit) を追加するだけでOKです。いつも通り、推定係数は関数 coef() で取得します。
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
演習の手順
- 関数
glm()と引数family = binomial(link = probit)を用いて、price.ratioでHOPPINESSを説明してください。結果をprobit.modelというオブジェクトに代入します。 - 関数
coef()を使って、probit.modelの係数を取得してください。
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。
# Explain HOPPINESS by price.ratio
probit.model <- ___(___, family = ___, data = choice.data)
# Obtain the coefficients