以 probit 模型分析啤酒需求
你聽說有些資料科學家在建模購買決策時，更偏好使用 probit 反應函式。probit 將購買決策視為潛在傾向。這聽起來頗為艱深，讓你有點緊張，所以你也想試試看 probit。
你同樣可以使用 glm() 這個函式來描述關係式 HOPPINESS ~ price.ratio。你只需要把 family 參數加上 binomial(link = probit)。一如往常，使用 coef() 函式即可取得估計係數。
本練習屬於課程
在 R 中建立反應模型
練習說明
- 使用
glm()函式與參數family = binomial(link = probit)，以price.ratio解釋HOPPINESS，並將結果指派給名為probit.model的物件。 - 使用
coef()函式取得probit.model的係數。
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。
# Explain HOPPINESS by price.ratio
probit.model <- ___(___, family = ___, data = choice.data)
# Obtain the coefficients