附加的價值是什麼？
你還記得第一個簡單反應模型表現不佳。現在，你想更了解引入滯後（lags）能帶來多少附加價值。因此，你把所有行銷工具及其滯後效果合併到一個名為 extended.model 的模型中。你對 extended.model 物件使用 fitted.values() 來取得模型預測值。為了因滯後運算而遺失第 1 筆觀測所造成的缺口，你在預測值向量的最後加上 NA。
這次，為了檢查模型，你用 plot() 顯示 log(SALES) 與跑動索引之間的關係。同樣地，你用 lines() 把模型預測加到圖上。lines() 會用線段把預測資料點與跑動索引連起來。
本練習屬於課程
在 R 中建立反應模型
練習說明
- 估計一個延伸的反應模型，使用所有行銷工具及其滯後項來解釋
log(SALES)，並將結果指定給名為extended.model的物件。 - 對
extended.model物件使用fitted.values()取得模型預測值，並將結果指定給名為predicted.values的物件。 - 使用
plot()顯示log(SALES)與跑動索引之間的關係。 - 使用
lines()將模型預測加到圖上。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# 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
___(___ ~ ___)