Zacznij terazZacznij za darmo

Jaka jest wartość dodana?

Pamiętasz jeszcze słabe wyniki swojego pierwszego prostego modelu odpowiedzi. Teraz chcesz sprawdzić, jaką wartość dodają opóźnienia. Łączysz więc wszystkie narzędzia marketingowe i ich efekty opóźnione w jednym modelu o nazwie extended.model. Prognozy modelu uzyskujesz za pomocą funkcji fitted.values() wywołanej na obiekcie extended.model. Aby uwzględnić utratę pierwszej obserwacji wynikającą z operacji opóźnienia, dołączasz NA na początku wektora prognozowanych wartości.

Tym razem, aby sprawdzić model, wyświetlasz zależność między log(SALES) a indeksem bieżącym, korzystając z funkcji plot(). Następnie dodajesz prognozy modelu do wykresu za pomocą funkcji lines(). Funkcja lines() łączy prognozowane punkty danych z indeksem bieżącym za pomocą odcinków.

To ćwiczenie jest częścią kursu

Budowanie modeli reakcji w R

Zobacz kurs

Instrukcje do ćwiczenia

  • Oszacuj rozszerzony model odpowiedzi wyjaśniający log(SALES) za pomocą wszystkich narzędzi marketingowych i ich opóźnionych składników. Wynik przypisz do obiektu o nazwie extended.model.
  • Uzyskaj prognozy modelu, wywołując funkcję fitted.values() na obiekcie extended.model. Wynik przypisz do obiektu o nazwie predicted.values.
  • Wyświetl zależność między log(SALES) a indeksem bieżącym, korzystając z funkcji plot().
  • Dodaj prognozy modelu do wykresu za pomocą funkcji lines().

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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
___(___ ~ ___)
Edytuj i uruchom kod