अन्य फीचर्स की पसंद में विषमता

R में मार्केटिंग के लिए Choice Modeling

Elea McDonnell Feit

Assistant Professor of Marketing, Drexel University

फैक्टर्स को कोड करने का दूसरा तरीका

डमी कोडिंग (जो हम कर रहे थे)

  seat4 seat5
2     0     0
4     1     0
5     0     1

इफेक्ट्स कोडिंग (हायरार्किकल मॉडल्स के लिए बेहतर)

   seat4  seat5
2     -1     -1
4      1      0
5      0      1

किसी फैक्टर की कोडिंग बदलना

contrasts(sportscar$seat) <- contr.sum(levels(sportscar$seat))

dimnames(contrasts(sportscar$seat))[[2]] <- levels(sportscar$seat)[1:2]

contrasts(sportscar$seat)

सभी कोएफिशिएंट्स को heterogeneous बनाना

my_rpar <- c("n", "n", "n", "n", "n")

m3 <- mlogit(choice ~ 0 + seat + trans + convert + price,
             data = sportscar)
names(my_rpar) <- names(m3$coefficients)

my_rpar

seat4       seat5 transmanual  convertyes       price 
  "n"         "n"         "n"         "n"         "n"

m8 <- mlogit(choice ~ 0 + seat + trans + convert + price, 
             data = sportscar, 
             panel = TRUE, rpar = my_rpar)

हायरार्किकल मॉडल पैरामीटर

m8 <- mlogit(choice ~ 0 + seat + trans + convert + price, 
              data = sportscar, 
             panel = TRUE, rpar = my_rpar)
plot(m8, par = c("seat4", "seat5")

इफेक्ट-कोडेड पैरामीटर वितरण

बेस लेवल का कोएफिशिएंट

m8$coef[1:2]

     seat4      seat5 
-0.1852167  0.3519204

-sum(m8$coef[1:2])

-0.1667037

आइए इसे `chocolate` डेटा पर आज़माएँ!

R में मार्केटिंग के लिए Choice Modeling