本週作業
根據上周的資料分析,將購買意願依中位數分為高低兩組,進行二元邏吉斯迴歸分析。

### lm = linear model
### y = dependent = continuous
### x = indep continuous/ categorical
###but categorical => dummy
###r可以自動轉dummy inlm

###glm = generalized linear model
###廣義線性模式
###y可以是 連續、二元、類別、次序變項
###x和lm一樣

##資料整理

for(i in 2:31){
temp_mean<-mean(Data[,i],na.rm=T)
na.rows<-is.na(Data[,i])

Data[na.rows,i]<-temp_mean
}
str(Data)

Data$涉入度 <-rowMeans(Data[ ,c(2:6,8)])
Data$ 互動 <-rowMeans(Data[ ,c(9:13)])
Data$ 信任 <-rowMeans(Data[ ,c(14:20)])
Data$品牌形象 <-rowMeans(Data[ ,c(21:26)])
Data$購買意願 <-rowMeans(Data[ ,c(27:31)])

Data$High <- ifelse(Data$購買意願 >= median(Data$購買意願),1,0)

Data$sex <- ifelse(Data$g1==1,’Boy’,’Girl’)
for (i in 1:384){
if( Data[i,’g2′] <=3 ) {Data[i,’Edu’] <- ‘高中(含以下)’}
if( Data[i,’g2′] ==4 ) {Data[i,’Edu’] <- ‘大學、大專’}
if( Data[i,’g2′] ==5 ) {Data[i,’Edu’] <- ‘研究所’}
}
#Compute diana() 計算距離
res.diana <- diana(Data[,c(34:37)],) #stand = TRUE 不標準化)
km.res <- kmeans(Data[,c(34:37)],centers = 2 ,iter.max = 25 ,nstart = 1)
Data$cluster <- km.res$cluster
Data$cluster <- ifelse(Data$cluster==1,’謹慎消費者’,’忠誠消費者’)

HW <-Data[,c(34:42)]
str(HW)

二元邏吉斯迴歸分析

Logit <- glm(High~信任+涉入度+互動+信任+品牌形象+sex+cluster+Edu,
data=Data,
family = binomial)
library(stargazer)
stargazer(Logit,
type = ‘html’,
out = ‘C:/Users/zxcvb/Desktop/研/多變量/logit.html’,
title = ‘logit Regression models’)

互動: 系數為 0.611,p 值小於 0.01(***),具有統計顯著性。

品牌形象: 系數為 0.959,p 值小於 0.01(***),具有統計顯著性。

Log Likelihood -201.681,表示模型解釋了觀察到的資料,Log Likelihood越接近 0,模型的解釋能力越好。

20231128第十二週-多變量作業