因此，我尝试重新创建this blog post，但是作者没有给出用于R的非常详细的步骤。
因此，我有this set of data，其中包含总付费搜索支出，品牌支出，非品牌支出，付费点击（简单标记为点击），自然访问，总访问，访问者和电子商务网站的交易。
我尝试自己完成第一部分，并得到以下输出：
> fit <- lm(organic.visits ~ visits + clicks +visitors + transactions, data=mydata)
> summary(fit)
Call:
lm(formula = organic.visits ~ visits + clicks + visitors + transactions,
data = mydata)
Residuals:
Min 1Q Median 3Q Max
-5916.6 -1100.9 -237.4 811.6 8444.0
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 7028.56997 502.55911 13.986 < 2e-16 ***
visits 1.15842 0.04406 26.295 < 2e-16 ***
clicks 0.46578 0.09884 4.712 3.39e-06 ***
visitors -1.13322 0.04442 -25.513 < 2e-16 ***
transactions -1.11505 0.19823 -5.625 3.49e-08 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Residual standard error: 1903 on 399 degrees of freedom
Multiple R-squared: 0.8236, Adjusted R-squared: 0.8219
F-statistic: 465.8 on 4 and 399 DF, p-value: < 2.2e-16
第一：我想知道我是否正确执行了此操作，或者是否有更好的方法来执行此操作。
第二：我想知道该帖子的第二部分是ADBUDG经济营销模型。我尝试在线搜索，但没有发现任何有助于完成本部分分析的有用信息。作者没有给出任何指导。
最佳答案
首先，您需要将自然搜索点击次数设置为您的自变量-在“〜”的左侧-并使其他变量成为因变量（付费搜索点击次数应为一个）。
然后查看付费搜索点击次数的估算值，了解它们如何影响自然搜索。
为了找到ADBUDG模型参数的最佳估计，您需要使用某种求解器。首先创建等式（b +（a-b）*支出^ c /（d +支出^ c）），然后通过从实际值中减去ADBUDG预测来计算每个点的误差。然后，您可以使用Excel的求解器或R中的求解器来找到使总平方误差最小的a，b，c和d。
根据数据，a给出上限，b给出下限。
关于r - 如何使用R创建ADBUDG经济学营销模型，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/16024145/