НачатьНачать бесплатно

Пробит-модель для спроса на пиво

Вы узнали, что некоторые специалисты по данным предпочитают использовать пробит-функцию отклика для моделирования решений о покупке. Пробит рассматривает решения о покупке как латентные склонности. Звучит непривычно и немного пугающе, поэтому вы решаете попробовать пробит самостоятельно.

Для описания зависимости HOPPINESS ~ price.ratio можно снова воспользоваться функцией glm(). Достаточно дополнить аргумент family значением binomial(link = probit). Как обычно, оценённые коэффициенты извлекаются с помощью функции coef().

Это упражнение является частью курса

Построение моделей отклика в R

Посмотреть курс

Инструкции к упражнению

  • Объясните HOPPINESS через price.ratio с помощью функции glm() и аргумента family = binomial(link = probit). Присвойте результат объекту с именем probit.model.
  • Получите коэффициенты probit.model с помощью функции coef().

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Explain HOPPINESS by price.ratio
probit.model <- ___(___, family = ___, data = choice.data)

# Obtain the coefficients
Редактировать и запускать код