У меня есть данные для десяти продуктовых магазинов с еженедельными продажами для нескольких продуктов (около 1000) в течение 3 лет.
Я пытаюсь рассчитать эластичность уровня магазина, чтобы сравнить эти десять магазинов. Давайте предположим, что все, что у меня есть в качестве переменных, это store_id, product_id, unit sales, price и week number.
Регрессия, которую я пытаюсь подогнать, следующая (циклично для каждого магазина в отдельности):
log(units) ~ log(price) + month + (1+log(price)|product_id)
Я предполагаю, что получаю коэффициент эластичности для каждого магазина с фиксированным эффектом, а случайные эффекты - это изменение эластичности по продуктам в каждом магазине. Во-первых, я прав с моим предположением здесь?
Если цена и объем единицы товара значительно различаются, например:
Продукт А продает в среднем 1000 единиц в неделю по цене $ 5,99
Продукт B продает в среднем 100 единиц в неделю по цене $ 15.50
Нужно ли мне масштабировать и единицы, и цену по продуктам, чтобы данный продукт не оказывал чрезмерного влияния на общую эластичность (фиксированный эффект)?
Если это не идеальная модель для запуска, вы бы порекомендовали лучший подход?