使用R

Question

我需要制作一个模型，该模型可以发现注册用户购买某些计划或没有计划的可能性（即，仅使用免费计划或不会做任何事情），如果他们这样做，可以在什么时间之后。 我有大约13 000行的数据，其中大约12 000行是免费用户（从未付费 - 0值），另外1 000个是在一段时间后（从1到690天）支付的，我也有一些计数和分类数据 - 国家，用户客户的数量，他使用计划的次数，计划（保费，免费，保费加）。

支付与否后的平均时间约为6.37，方差为1801.17，没有零 - 100和19012，这表明我应该使用负二项模型。

但我不确定哪种型号最合适;我正在考虑零膨胀的负二项式或障碍模型。

这是diff.time的直方图，有0而没有0数据：

我使用pscl包尝试了这些模型：

summary(m1 <- zeroinfl(diff.time3 ~ 
    factor(Registration.country) + factor(Plan) + Campaigns.sent + 
         Number.of.subscribers |
    factor(Registration.country) + factor(Plan) + Campaigns.sent + 
         Number.of.subscribers, 
data=df , link="logit",dist= "negbin"))

或与hurdle()相同 但他们给了我一个错误：

  

在quantile.default（x $ residuals）中出错：如果'na.rm'为FALSE则缺少值和NaN不允许另外：警告消息：glm.fit：算法没有收敛

hurdle()：

  

solve.default中的错误（as.matrix（fit_count $ hessian））：Lapack例程dgesv：系统完全是单数：U [3,3] = 0

我之前从未尝试过这些模型，因此我不确定如何解决这些错误或者我选择了正确的模型。

不幸的是，我没有机会分享我的部分数据，但我会尝试解释它们：

第一栏“计划” - 大多数数据是“免费”（约12 000），还有“收入更高”，“高级”或“高级试用”，其中“免费”和“高级试用”未支付。 第二栏“使用计划” - 约8 000行为0,1 000 - 1,3 000 - 从1到10，另外1 000从10到510 第3栏“客户”描述了用户拥有的客户数量 - 约2 000人拥有0,4 0000 - 1 - 3，3 000 - 10-200，2 000 - 200 - 1000，2 000 - 1000 - 340 000 第4栏“登记国” - 36个不同的国家，超过一半的数据是美国，其他有5到几百行。 第5列是diff.time，应该是我的因变量，正如我之前所说，大多数数据是0（12 000），其他数据是从1天到690天）

Answer 1

如果您的实际数据与您发布的数据的结构类似，那么您将无法估算与您指定的模型类似的模型。我们先来看一下您在Google云端硬盘上发布的数据：

load("duom.Rdata")
table(a$diff.time3 > 0)
## FALSE  TRUE 
##   950    50 

因此，响应有一些变化，但不是很多。您只有5％的非零，总共50个观察值。仅从这些信息来看，估计偏差减少的二元模型（brglm）到障碍部分（零与非零）似乎更合理。

对于零截断计数部分，您可以拟合模型，但需要注意要包含哪些效果，因为只有50个自由度。您可以使用R-Forge提供的zerotrunc包中的countreg函数估算障碍模型的零截断部分。

你也应该清理你的因素。通过在公式中重新应用factor函数，排除出现零的级别。但也有一个级别只有一次你不会得到有意义的结果。

table(factor(a$Plan))
## Earning much more              Free           Mailing           Premium 
##                 1               950                 1                24 
##     Premium trial 
##                24 
table(factor(a$Registration.country))
##  australia  Australia    Austria Bangladesh    Belgium     brasil     Brasil 
##          1        567          7          5         56          1         53 
##   Bulgaria     Canada 
##         10        300 

此外，您需要使用所有小写字母清理国家/地区级别。

之后，我将首先将二进制GLM建立为零与非零 - 并根据这些结果继续使用零截断计数部分。