Przykład Cola kontra pepsi
Transkrypt
Przykład Cola kontra pepsi
Przykład: wybór między Coca-Colą a Pepsi. Przykład zaczerpnięty z podręcznika Lee C. Adkins “Using gretl for Principles of Econometrics, 4th Edition”; zob. http://www.LearnEconometrics.com/gretl.html “The cola marketing data coke.gdt is the basis for this example. The independent variable, coke, takes the value of 1 if the individual purchases Coca-Cola and is 0 if not. The decision to purchase Coca-Cola depends on the ratio of the price relative to Pepsi, and whether displays for Coca-Cola or Pepsi were present. The variables disp coke=1 if a Coca-Cola display was present, otherwise 0; disp pepsi=1 if a Pepsi display was present, otherwise it is zero.” Cel badań: określenie czy przy podejmowaniu decyzji przez konsumenta - w momencie zakupu - ważna rolę odgrywa fakt, że sklep miał wyświetlacze z promocją produktu coli lub pepsi. Zmienna y informuje o tym czy konsument nabył „colę” (y=1), czy „pepsi” (y=0). Potencjalnymi zmiennymi objaśniającymi są: ceny obu produktów, po których konsument mógł je kupić, stosunek ich cen (albo ceny obu produktów), informacje o tym czy wyświetlacze z promocją danego produktu były odstane w sklepie, gdy konsument dokonywał zakupów. Rozważamy model logitowy. Obliczenia wykonujemy w programie Gretl. a) Wczytać dane z Excela do Gretla. b) Obliczyć średnie wartości z próby dla wszystkich zmiennych. c) Dokonać estymacji parametrów (β) tego modelu stosując metodę największej wiarygodności. Obliczyć średnie błędy szacunku dla parametrów. d) Podać ocenę punktową dla prawdopodobieństwa „zakupu coli” dla poszczególnych klientów. e) Obliczyć i zinterpretować efekty krańcowe dla względem wszystkich zmiennych objaśniających. f) Dokonać testowania hipotez dot. pojedynczych parametrów. Obliczyć dla każdego parametru iloraz oceny i średniego błędu szacunku. Porównać te wartości z wartością krytyczną testu normalnego (statystyka „z” dla licznej próby) lub t-Studenta (mała próba) na poziomie istotności 0,1 lub 0,05 w celu zweryfikowania hipotezy czy ocena jest statystycznie różna od zera (test dwustronny). g) Dokonać testowania (test F lub Chi2) hipotezę o tym, że bezzasadnym jest usunięcie z modelu zmiennych informujących o wyświetleniu w sklepie reklamy produktu. h) Obliczyć procentową trafność ocen (prognoz) zmiennej objaśnianej y (Gretl przyjmuje za graniczną wartość prawdopodobieństwa wartość 0,5). Dokonać analizy szczegółowych zdolności predyktywnych modelu w odniesieniu do konkretnych klientów.