Model probitowy dla popytu na piwo
Słyszysz, że inni analitycy danych wolą używać funkcji odpowiedzi probit do modelowania decyzji zakupowych. Model probit traktuje decyzje zakupowe jako ukryte skłonności. Brzmi to dość tajemniczo i wzbudza pewne wątpliwości, więc postanawiasz sprawdzić, jak działa probit w praktyce.
Możesz ponownie użyć funkcji glm(), aby opisać zależność HOPPINESS ~ price.ratio. Wystarczy rozszerzyć argument family o binomial(link = probit). Jak zwykle, oszacowane współczynniki uzyskasz za pomocą funkcji coef().
To ćwiczenie jest częścią kursu
Budowanie modeli reakcji w R
Instrukcje do ćwiczenia
- Wyjaśnij zmienną
HOPPINESSprzy użyciuprice.ratio, korzystając z funkcjiglm()i argumentufamily = binomial(link = probit). Wynik przypisz do obiektu o nazwieprobit.model. - Uzyskaj współczynniki modelu
probit.modelza pomocą funkcjicoef().
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Explain HOPPINESS by price.ratio
probit.model <- ___(___, family = ___, data = choice.data)
# Obtain the coefficients