ComeçarComece de graça

Qual é o valor agregado?

Você ainda se lembra do desempenho ruim do seu primeiro modelo simples de resposta. Agora, você está curioso sobre o valor agregado ao considerar defasagens. Portanto, você combina todas as ferramentas de marketing e seus efeitos defasados em um único modelo chamado extended.model. Você obtém as previsões do modelo usando a função fitted.values() no objeto extended.model. Para lidar com a perda da primeira observação devido à operação de defasagem, você acrescenta NA ao vetor de valores previstos.

Desta vez, para verificar seu modelo, você exibe a relação entre log(SALES) e o índice sequencial usando plot(). Da mesma forma, você adiciona as previsões do modelo ao gráfico usando lines(). A função lines() conecta os pontos de dados previstos e o índice sequencial usando segmentos de linha.

Este exercício faz parte do curso

Construindo modelos de resposta em R

Ver curso

Instruções do exercício

  • Estime um modelo de resposta estendido explicando log(SALES) por todas as ferramentas de marketing e seus termos defasados. Atribua o resultado a um objeto chamado extended.model.
  • Obtenha as previsões do modelo usando a função fitted.values() no objeto extended.model. Atribua o resultado a um objeto chamado predicted.values.
  • Exiba a relação entre log(SALES) e o índice sequencial usando a função plot().
  • Adicione as previsões do modelo ao gráfico usando a função lines().

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# Extend the sales resonse model
___ <- ___(___ ~ PRICE + Price.lag + DISPLAY + Display.lag + COUPON + Coupon.lag + DISPLAYCOUPON + DisplayCoupon.lag, data = sales.data)

# Obtain the model predictions
predicted.values <- c(NA,___(___))

# Plot log(SALES) against the running index
___(___ ~ 1, data = sales.data)

# Add the model predictions to the plot
___(___ ~ ___)
Editar e executar o código