ПочатиПочніть безкоштовно

У чому додана цінність?

Ви ще пам'ятаєте слабкі результати першої простої моделі відгуку. Тепер вам цікаво, яку додану цінність дає врахування лагів. Тому ви поєднуєте всі маркетингові інструменти та їхні лагові ефекти в одній моделі під назвою extended.model. Прогнози моделі ви отримуєте, застосувавши функцію fitted.values() до об'єкта extended.model. Щоб врахувати втрату першого спостереження через лагову операцію, додайте NA до вектора прогнозованих значень.

Цього разу, щоб перевірити модель, відобразіть залежність між log(SALES) та індексом спостережень за допомогою plot(). Так само додайте прогнози моделі на графік за допомогою lines(). Функція lines() з'єднує точки прогнозів та індекс спостережень відрізками.

Ця вправа є частиною курсу

Побудова моделей відгуку в R

Переглянути курс

Інструкції до вправи

  • Оцініть розширену модель відгуку, що пояснює log(SALES) усіма маркетинговими інструментами та їхніми лаговими членами. Присвойте результат об'єкту з назвою extended.model.
  • Отримайте прогнози моделі за допомогою функції fitted.values() для об'єкта extended.model. Присвойте результат об'єкту predicted.values.
  • Відобразіть залежність між log(SALES) та індексом спостережень за допомогою функції plot().
  • Додайте прогнози моделі на графік за допомогою функції lines().

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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
___(___ ~ ___)
Редагувати та запускати код