Model czekolady z wszystkimi losowymi współczynnikami

Teraz, gdy kodowanie efektów zostało zapisane w zbiorze danych chocolate, możemy dopasować model, w którym wszystkie współczynniki mają rozkład normalny. W tym celu trzeba utworzyć wektor rpar przekazywany do funkcji mlogit(). To nieco skomplikowane, dlatego kod został już przygotowany – uruchom go, aby zobaczyć, jak działa. Następnie samodzielnie napisz wywołanie funkcji mlogit().

To ćwiczenie jest częścią kursu

Modelowanie wyborów w marketingu w R

Instrukcje do ćwiczenia

Dwa pierwsze argumenty to formuła modelu Selection ~ 0 + Brand + Type + Price oraz dane chocolate.
Kolejny argument powinien mieć postać rpar = my_rpar – informuje on funkcję mlogit(), które współczynniki mają mieć rozkład normalny.
Ostatni argument powinien mieć postać panel = TRUE.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# create my_rpar vector
choc_m2 <- mlogit(Selection ~ 0 + Brand + Type + Price, data=chocolate)
my_rpar <- rep("n", length(choc_m2$coef))
names(my_rpar) <- names(choc_m2$coef)
my_rpar

# fit model with random coefficients
choc_m7 <- mlogit(___)

Edytuj i uruchom kod

To ćwiczenie jest częścią kursu

Modelowanie wyborów w marketingu w R

SkillTag.level.advancedSkillTag.label

4.8+

Rozpocznij kurs za darmo

Celem tego rozdziału jest przeprowadzenie cię przez cały proces modelowania wyborów tak szybko, jak to możliwe – abyś zdobył ogólne pojęcie o tym, co można zrobić z modelami wyboru i jak przebiega cały proces. Główna idea jest prosta: model wyboru pozwala zrozumieć, jak decyzje zakupowe klientów zależą od cech produktów. Czy nabywcy sportowych samochodów wolą skrzynię manualną od automatycznej? O ile? Żeby dać ci szeroki przegląd, pominiemy na razie wiele szczegółów. W kolejnych rozdziałach wrócimy do ważnych kwestii związanych z przygotowaniem danych, specyfikacją i interpretacją modeli oraz prezentacją wyników – tak abyś był w pełni przygotowany do stosowania tych metod z własnymi danymi.

Exercise 1: Dlaczego modele wyboru?Exercise 2: Dane o wyborach Exercise 3: Analiza danych o wyborach Exercise 4: Znajdowanie poziomów czynnika Exercise 5: Analiza obserwacji wyboru Exercise 6: Co wybierali respondenci?Exercise 7: Dopasowywanie i interpretacja modelu wyboru Exercise 8: Dopasowanie modelu wyboru Exercise 9: Interpretacja parametrów Exercise 10: Wykorzystanie modeli wyboru do podejmowania decyzji Exercise 11: Przewidywanie udziałów w wyborach Exercise 12: Wizualizacja udziałów w wyborach

Dane o wyborach można pozyskiwać z wielu różnych źródeł, a ich format bywa bardzo zróżnicowany. W tym rozdziale weźmiemy dane dostarczone w kilku alternatywnych formatach i nauczymy się, jak przygotować je do modelowania wyborów. Omówimy też, jak zaprojektować ankietę, aby samodzielnie zebrać własne dane o wyborach.

Exercise 1: Składanie danych wyboru Exercise 2: Ile mamy wyborów?Exercise 3: Atrybuty i poziomy Exercise 4: Analiza pojedynczego wyboru Exercise 5: Konwersja z formatu szerokiego do długiego Exercise 6: Konwersja z formatu szerokiego do długiego Exercise 7: Posortuj dane w formacie długim Exercise 8: Zmiana zmiennej Selection Exercise 9: Dane o wyborach w dwóch plikach Exercise 10: Sprawdź wybór w dwóch plikach Exercise 11: Łączenie dwóch plików Exercise 12: Wizualizacja danych dotyczących wyboru Exercise 13: Jakie rodzaje czekolady wybierają ludzie?Exercise 14: Czy ludzie wybierają niższe ceny?Exercise 15: Projektowanie ankiety conjoint

W tym rozdziale dokładniej przyglądamy się szacowaniu modeli wyboru. Aby dać ci solidną podstawę do myślenia o modelach wyboru, skupimy się na tym, jak wielomianowy model logitowy przekształca cechy produktów w prognozę decyzji podejmowanej przez osobę wybierającą. Dzięki temu zyskasz ramy do podejmowania decyzji o tym, które cechy uwzględnić w modelu.

Exercise 1: Modele wyboru – od środka Exercise 2: Tworzenie obiektu mlogit.data Exercise 3: Dopasowanie modelu wyboru Exercise 4: Usuń wyraz wolny Exercise 5: Interpretacja parametrów modelu wyboru Exercise 6: Która marka czekolady jest najbardziej preferowana?Exercise 7: Obliczanie gotowości do zapłaty Exercise 8: Cena jako czynnik Exercise 9: Test ilorazu wiarygodności Exercise 10: Wyrazy wolne i interakcje Exercise 11: Interakcja między marką a rodzajem Exercise 12: Interakcja między ceną a próbą Exercise 13: Przewidywanie udziałów Exercise 14: Prognozowanie udziałów dla segmentu racer Exercise 15: Przewidywanie udziałów rynkowych dla tabliczek czekolady Exercise 16: Wykres udziałów dla tabliczek czekolady

Różni ludzie mają różne gusta i preferencje. To intuicyjnie oczywiste, a dodatkowo liczne badania marketingowe to potwierdzają. Ten rozdział omawia modele wyboru, w których zakładamy, że różni decydenci mają różne preferencje wpływające na ich wybory. Gdy modele uwzględniają zróżnicowanie preferencji konsumentów, zwykle przypisują wyższe udziały produktom niszowym, trafiającym do węższej grupy odbiorców. Modele hierarchiczne są stosowane w większości komercyjnych zastosowań modelowania wyborów, dlatego ważne jest, aby rozumieć, jak działają.

Exercise 1: Czym jest hierarchiczny model wyboru?Exercise 2: Ile osób wypełniło ankietę dotyczącą czekolady?Exercise 3: Model czekolady z losowym współczynnikiem ceny Exercise 4: Zróżnicowanie preferencji dotyczących innych cech Exercise 5: Ustawianie kodów efektów Exercise 6: Model czekolady z wszystkimi losowymi współczynnikami

Bieżące ćwiczenie

Exercise 7: Interpretacja parametrów hierarchicznego modelu wyboru Exercise 8: Jak konsumenci oceniają białą czekoladę?Exercise 9: Prognozowanie udziałów rynkowych za pomocą modeli hierarchicznych Exercise 10: Prognozowanie udziałów rynkowych dla czekoladek Exercise 11: Do zobaczenia i powodzenia!