Extensions du modèle, partie 1 : variables factices

Créer des modèles de réponse dans R

Kathrin Gruber

Assistant Professor of Econometrics Erasmus University Rotterdam

Variables factices

Comprendre les variables factices

aggregate(log(SALES) ~ DISPLAY, FUN = mean, data = sales.data)

  DISPLAY log(SALES)
1       0   4.194953
2       1   4.657477

dummy.model <- lm(log(SALES) ~ DISPLAY, data = sales.data)
coef(dummy.model)

(Intercept)      DISPLAY  
     4.1950       0.4625

Ventes moyennes sans DISPLAY

exp(coef(dummy.model)[1])

(Intercept) 
   66.35063

Passer de sans DISPLAY à DISPLAY

exp(coef(dummy.model)[2] - 1)

 DISPLAY1 
0.5842211

Effet de plusieurs variables factices sur les ventes (1)

aggregate(log(SALES) ~ DISPLAY + COUPON + DISPLAYCOUPON, FUN = mean, 
          data = sales.data)

  DISPLAY COUPON DISPLAYCOUPON log(SALES)
1       0      0             0   3.797571
2       1      0             0   4.657477
3       0      1             0   5.557327
4       0      0             1   5.946818

Effet de plusieurs variables factices sur les ventes (2)

aggregate(log(SALES) ~ DISPLAY + COUPON + DISPLAYCOUPON, FUN = mean, 
          data = sales.data)

  DISPLAY COUPON DISPLAYCOUPON log(SALES)
1       0      0             0   3.797571
2       1      0             0   4.657477
3       0      1             0   5.557327
4       0      0             1   5.946818

dummy.model <- lm(log(SALES) ~ DISPLAY + COUPON + DISPLAYCOUPON, 
                  data = sales.data)

coef(dummy.model)

  (Intercept)        DISPLAY         COUPON  DISPLAYCOUPON  
       3.7976         0.8599         1.7598         2.1492

Et le prix ?

lm(update(dummy.model, . ~ . + PRICE), data = sales.data)

Call:
lm(formula = update(dummy.model, . ~ . + PRICE), data = sales.data)

Coefficients:
  (Intercept)        DISPLAY         COUPON  DISPLAYCOUPON          PRICE  
       3.4310         0.8747         1.7646         2.1630         0.3123

Passons à la pratique !

Créer des modèles de réponse dans R