tail() 関数を使って、sportscar データフレームの最後の 6 行を出力しましょう。データフレーム内の最後の選択の観測データ（resp_id==200, ques==10）について、選ばれた選択肢の価格はいくらでしたか。
tail()
sportscar
resp_id==200, ques==10
この演習はコースの一部です
理論を実践に変える、インタラクティブな演習のひとつをお試しください
この章の目的は、選択モデリングの一連の流れをできるだけ手早く体験していただき、選択モデルで何ができるのか、プロセスがどう進むのかを大づかみに理解してもらうことです。ポイントは、選択モデルを使うと、顧客の製品選択がその製品の特徴にどう依存しているかを明らかにできるという点です。例えば、スポーツカー購入者はオートマよりマニュアルを好むのでしょうか？その程度はどれくらいでしょうか？全体像をつかんでいただくために、ここでは多くの細部は省略します。後続の章では、データ準備、モデルの特定化と解釈、結果の報告といった重要な論点に立ち戻り、みなさんが自身の選択データにこれらの手法を適用できるよう、しっかりと解説していきます。
現在の演習
選択データの入手先や形式はさまざまです。この章では、いくつかの代替的な形式で提供されたデータを、選択モデリングに適した形へと整える方法を学びます。あわせて、自分で選択データを収集するためのアンケート（コンジョイント調査）の作り方についても説明します。
この章では、選択モデルの推定をさらに深く掘り下げます。選択モデルを考える基盤として、マルチノミアルロジットモデルが製品の特徴から意思決定者の選択をどのように予測へ変換するのかに焦点を当てます。これにより、どの特徴量をモデルに含めるべきか判断するための枠組みを身につけられます。
人によって好みや志向は異なります。直感的にも明らかですが、マーケティングの研究でも広く確認されています。この章では、意思決定者ごとに異なる嗜好が選択に影響すると仮定する選択モデルを扱います。消費者の間で嗜好の違いをモデルが認識できると、特定の消費者層に訴求するニッチ製品のシェア予測が大きくなる傾向があります。階層モデルは商用の選択モデリングで広く用いられているため、その仕組みを理解することが重要です。
