Zacznij terazZacznij za darmo

Model czekolady z losowym współczynnikiem ceny

Czas dopasować model hierarchiczny do danych chocolate. Zacznijmy od kodu, który wcześniej posłużył do estymacji niehierarchicznego modelu wyboru, i zmodyfikujmy go tak, by współczynnik Price miał rozkład normalny. Dane chocolate są już wczytane.

To ćwiczenie jest częścią kursu

Modelowanie wyborów w marketingu w R

Zobacz kurs

Instrukcje do ćwiczenia

  • Model hierarchiczny musi wiedzieć, kto dokonał każdego wyboru. Dodaj kolumnę Subject do pierwszego indeksu w dfidx(), aby każde pytanie wyboru było powiązane z osobą, która na nie odpowiedziała.
  • Dodaj argument rpar do mlogit(). Powinien być równy c(Price = "n"), co oznacza, że chcesz, aby współczynnik dla Price miał rozkład normalny.
  • Dodaj argument panel = TRUE do mlogit(), aby poinformować funkcję, że każdy Subject ma swój własny współczynnik Price.
  • Narysuj wykres modelu hierarchicznego, wpisując plot(choc_m6).

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# add Subject to the first index of dfidx()
chocolate <- dfidx(chocolate, idx = list(c("chid", ____), "Alt"), 
                   choice = "Selection")

# add rpar and panel inputs to mlogit call
choc_m6 <- mlogit(Selection ~ 0 + Brand + Type + Price, data = chocolate, 
                  ____, ____)

# plot the model
Edytuj i uruchom kod