En probitmodell för efterfrågan på öl
Du har hört att andra datavetare föredrar att använda probit-svarsfunktionen för att modellera köpbeslut. Probitmodellen behandlar köpbeslut som latenta benägenheter – det låter avancerat och gör dig lite nervös, så du bestämmer dig för att prova den också.
Du kan återigen använda funktionen glm() för att beskriva sambandet HOPPINESS ~ price.ratio. Du behöver bara komplettera argumentet family med binomial(link = probit). Som vanligt erhålls de skattade koefficienterna med funktionen coef().
Den här övningen är en del av kursen
Bygga responsmodeller i R
Övningsinstruktioner
- Förklara
HOPPINESSmedprice.ratiomed hjälp av funktionenglm()och argumentetfamily = binomial(link = probit). Tilldela resultatet till ett objekt med namnetprobit.model. - Hämta koefficienterna för
probit.modelmed hjälp av funktionencoef().
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Explain HOPPINESS by price.ratio
probit.model <- ___(___, family = ___, data = choice.data)
# Obtain the coefficients