Obliczanie elastyczności cenowej
Skoro już wiesz, czym jest elastyczność cenowa, sprawdź, jak elastyczne są ceny produktu z wyższej półki w regionie metropolitalnym! Zestawy danych treningowych i walidacyjnych zostały już dla ciebie przygotowane i są przechowywane w obiektach bev_xts_train oraz bev_xts_valid.
Dane sprzedażowe dla produktu z wyższej półki są już wczytane do środowiska jako MET_hi. Najpierw wyodrębnij ceny z obiektu bev_xts_train. Nazwa kolumny z cenami w obiekcie bev_xts_train to MET.hi.p.
To ćwiczenie jest częścią kursu
Prognozowanie popytu na produkty w R
Instrukcje do ćwiczenia
- Zapisz logarytm cen produktu z wyższej półki (
MET.hi.p) jako wektor. - Wczytaj logarytm sprzedaży i logarytm cen do ramki danych.
- Zbuduj model regresji przewidujący logarytm sprzedaży na podstawie logarytmu cen.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Save the prices of each product
l_MET_hi_p <- as.vector(___(bev_xts_train[,"___"]))
# Save as a data frame
MET_hi_train <- data.frame(as.vector(log(MET_hi)), l_MET_hi_p)
colnames(MET_hi_train) <- c("log_sales", "log_price")
# Calculate the regression
model_MET_hi <- lm(___ ~ ___, data = ___)