Ho affrontato una domanda di intervista per un lavoro in cui l'intervistatore mi ha chiesto supponiamo che il tuo sia molto basso (tra il 5 e il 10%) per un modello di elasticità dei prezzi. Come risolveresti questa domanda?
Non potevo pensare a nient'altro che al fatto che eseguirò la diagnostica di regressione per vedere cosa è andato storto o se dovrebbe essere applicato un metodo non lineare. In qualche modo penso che l'intervistatore non fosse soddisfatto della mia risposta. C'è qualcos'altro che viene fatto in uno scenario simile per adattarsi a un modello e usarlo per la previsione del livello di produzione nonostante abbia un basso ?
Modifica : In una fase successiva mi hanno dato i dati per modellare il problema durante l'intervista e ho provato ad aggiungere variabili ritardate, impatto del prezzo della concorrenza, manichini della stagionalità per vedere se faceva differenza. andato al 17,6 percento e le sue prestazioni sul campione di controllo erano scarse. Personalmente ritengo poco etico mettere un simile modello per la previsione in un ambiente dal vivo in quanto darà risultati errati e comporterà la perdita dei clienti (immagina di utilizzare le raccomandazioni sui prezzi di un tale modello sulle entrate della tua azienda!). C'è qualcos'altro che viene fatto in tali scenari che è troppo ovvio che tutti devono sapere? Qualcosa di cui non sono a conoscenza, che sono tentato di dire "un proiettile d'argento"?
Inoltre, immaginiamo che dopo l'aggiunta della variabile esogena migliora ulteriormente del 2%, allora cosa si può fare in questo scenario? Dovremmo scartare il progetto di modellazione o c'è ancora qualche speranza di sviluppare un modello di qualità a livello di produzione che è indicato dalle prestazioni sul campione di controllo?
Edit2 : ho pubblicato questa domanda nel forum economics.stackexchange.com per comprendere questo problema dal punto di vista economico