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 एक अलग 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)

   seat2  seat4
2      1      0
4      0      1
5     -1     -1

किसी फैक्टर के लिए कोडिंग बदलना

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

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

contrasts(sportscar$seat)

सभी गुणांक 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

      seat2       seat4 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 पैरामीटर्स

m8 <- mlogit(choice ~ 0 + seat + trans + convert + price, 
              data = sportscar, 
             panel = TRUE, rpar = my_rpar)
plot(m8, par = c("seat2", "seat4"))

इफेक्ट-कोडेड पैरामीटर डिस्ट्रीब्यूशंस

बेस लेवल का गुणांक

m8$coef[1:2]

     seat2      seat4 
-0.1686077 -0.1912170

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

[1] 0.3598248

आइए इसे `chocolate` डेटा पर आज़माते हैं!

R में मार्केटिंग के लिए Choice Modeling