Aan de slagGa gratis aan de slag

Chocolademodel met willekeurige prijscoëfficiënt

Oké, we gaan een hiërarchisch model fitten op de chocolate-gegevens. Begin met de code die we eerder gebruikten om een niet-hiërarchisch keuzemodel te schatten en pas die aan om een model te schatten waarin de parameter Price normaal verdeeld is. De chocolate-gegevens zijn nog steeds geladen.

Deze oefening maakt deel uit van de cursus

Keuzemodellering voor marketing in R

Cursus bekijken

Oefeninstructies

  • Voeg de input id.var = "Subject" toe aan mlogit.data(). Dit vertelt mlogit.data() welke persoon elke vraag heeft beantwoord.
  • Voeg de rpar-input toe aan mlogit(). Die moet gelijk zijn aan c(Price = "n") om aan te geven dat je wilt dat de coëfficiënt voor Price normaal verdeeld is.
  • Voeg de input panel = TRUE toe aan mlogit() om aan te geven dat je wilt aannemen dat elke Subject een eigen Price-coëfficiënt heeft.
  • Plot het hiërarchische model door plot(choc_m6) te typen.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# add id.var input to mlogit.data call
chocolate <- mlogit.data(chocolate, choice = "Selection", shape="long", 
                         varying=6:8, alt.var = "Alt", ____)
                         
# add rpar and panel inputs to mlogit call
choc_m6 <- mlogit(Selection ~ 0 + Brand + Type + Price, data = chocolate, 
                  ____, ____)

# plot the model
Code bewerken en uitvoeren