Zacznij terazZacznij za darmo

Model czekolady z losowym współczynnikiem ceny

Czas dopasować model hierarchiczny do danych chocolate. Zacznijmy od kodu, który wcześniej służył do estymacji modelu niehierarchicznego, i zmodyfikujmy go tak, aby parametr Price miał rozkład normalny. Dane chocolate są nadal wczytane.

To ćwiczenie jest częścią kursu

Modelowanie wyborów w marketingu w R

Zobacz kurs

Instrukcje do ćwiczenia

  • Dodaj argument id.var = "Subject" do funkcji mlogit.data(). Informuje ona w ten sposób mlogit.data(), która osoba odpowiadała na każde pytanie.
  • Dodaj argument rpar do funkcji mlogit(). Powinien być równy c(Price = "n"), co oznacza, że współczynnik dla Price ma mieć rozkład normalny.
  • Dodaj argument panel = TRUE do funkcji mlogit(), aby wskazać, że każdy respondent (Subject) ma mieć własny współczynnik Price.
  • Zwizualizuj model hierarchiczny, wpisując plot(choc_m6).

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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
Edytuj i uruchom kod