Mit Sammlungen den Überblick behalten
Sie können Inhalte basierend auf Ihren Einstellungen speichern und kategorisieren.
Meridian unterstützt Modelle auf Länderebene. Wir empfehlen jedoch, nach Möglichkeit das Modell auf geografischer Ebene zu verwenden. Das Modell auf Länderebene ist ein Sonderfall des Modells auf geografischer Ebene mit nur einer geografischen Einheit. Es gibt keine separate Modellklasse.
Bei Verwendung des Modells auf Länderebene werden die folgenden Parametereinschränkungen automatisch erzwungen:
\(\eta^{[M]}_i=0\) und \(\beta_{1,i}^{[M]}=\beta_i^{[M]} \ \ \forall i\)
\(\eta^{[OM]}_i=0\) und \(\beta_{1,i}^{[OM]}=\beta_i^{[OM]} \ \ \forall i\)
\(\eta^{[RF]}_i=0 \) und \(\beta^{[RF]}_{g,i}=\beta^{[RF]}_i
\ \ \forall i\)
\(\eta^{[ORF]}_i=0 \) und \(\beta^{[ORF]}_{g,i}=\beta^{[ORF]}_i
\ \ \forall i\)
\(\xi_i^{[C]}=0\) und \(\gamma_{1,i}^{[C]}=\gamma_i^{[C]} \ \ \forall c\)
unique_sigma_for_each_geo = False
Modellierung auf Länder- und geografischer Ebene
Bei der statistischen Modellierung geht es darum, wiederholbare Muster in den Daten zu identifizieren. Dies lässt sich mit Daten auf geografischer Ebene viel effektiver umsetzen, vorausgesetzt, die Muster sind in den verschiedenen geografischen Einheiten relativ ähnlich.
Beim Modell auf geografischer Ebene werden Daten aus verschiedenen geografischen Einheiten zusammengefasst, um die effektive Stichprobengröße zu erhöhen. Es bietet engere glaubwürdige Intervalle, sofern die geografischen Einheiten hinsichtlich des Mechanismus der Media-Wirkung ähnlich sind, wie im Modell angenommen. Weitere Informationen sind unter Geo-level Bayesian Hierarchical Media Mix Modeling verfügbar.
Daten auf geografischer Ebene verbessern auch die Schätzungen für Zeiteffekte (z. B. Trend und Saisonalität), da dafür mehrere Beobachtungen pro Zeitraum zur Verfügung stehen. Bei Daten auf geografische Ebene können mehr knots zur Modellierung des \(\mu_t\) Parameters verwendet werden. Für maximale Flexibilität ist es oft sinnvoll, pro Zeitraum einen Knoten zu verwenden. Bei Daten auf Länderebene gibt es weniger Freiheitsgrade für Zeiteffekte. Ein Knoten pro Zeitraum würde das Modell beispielsweise vollständig sättigen.
Die Vorteile eines Modells auf geografischer Ebene sind so groß, dass wir empfehlen, die Daten auf Länderebene für alle geografischen Einheiten zu schätzen, wenn sie nur für relativ wenige Channels verfügbar sind. Weitere Informationen finden Sie unter Geografische Auswahl und Daten auf Länderebene.
[[["Leicht verständlich","easyToUnderstand","thumb-up"],["Mein Problem wurde gelöst","solvedMyProblem","thumb-up"],["Sonstiges","otherUp","thumb-up"]],[["Benötigte Informationen nicht gefunden","missingTheInformationINeed","thumb-down"],["Zu umständlich/zu viele Schritte","tooComplicatedTooManySteps","thumb-down"],["Nicht mehr aktuell","outOfDate","thumb-down"],["Problem mit der Übersetzung","translationIssue","thumb-down"],["Problem mit Beispielen/Code","samplesCodeIssue","thumb-down"],["Sonstiges","otherDown","thumb-down"]],["Zuletzt aktualisiert: 2025-03-03 (UTC)."],[[["Meridian's geo-level model is generally recommended over the national-level model for its enhanced accuracy and statistical power."],["The national-level model is essentially a simplified version of the geo-level model with a single geographical unit and specific parameter restrictions."],["Geo-level modeling leverages data across multiple geographical areas, leading to improved estimates, tighter credible intervals, and better identification of temporal patterns."],["If only national-level data is available, consider replicating it across geographical units within the geo-level model to enhance results."],["Geo-level modeling offers greater flexibility for modeling time-dependent effects due to increased data points and observations."]]],["Meridian supports national-level models as a special case of geo-level models, which are recommended for their efficacy. National-level models enforce parameter restrictions, including setting specific eta and beta values to zero or equal across all 'i'. Geo-level modeling pools data across geos, improving sample size and estimate accuracy for time-effects. Using national data across geos is suggested when only national-level data with limited channels is available. Population scaling is not applicable for national-level.\n"]]
