啤酒需求的 probit 模型
您听说有些数据科学家在建模购买决策时更喜欢使用 probit 响应函数。probit 将购买决策视为潜在倾向，这听起来很高深，让您有些紧张，所以您也想试试 probit。
您同样可以使用函数 glm() 来描述关系 HOPPINESS ~ price.ratio。您只需要在 family 参数中补充 binomial(link = probit)。像往常一样，可以用函数 coef() 获取估计系数。
本练习是课程的一部分
在 R 中构建响应模型
练习说明
- 使用函数
glm()和参数family = binomial(link = probit)，用price.ratio解释HOPPINESS。将结果赋给名为probit.model的对象。 - 使用函数
coef()获取probit.model的系数。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Explain HOPPINESS by price.ratio
probit.model <- ___(___, family = ___, data = choice.data)
# Obtain the coefficients