Bạn có thể giới thiệu một gói phân tích liên hợp dễ sử dụng hoặc toàn diện cho R không?
Bạn có thể giới thiệu một gói phân tích liên hợp dễ sử dụng hoặc toàn diện cho R không?
Câu trả lời:
Tôi chưa bao giờ sử dụng R để phân tích liên hợp, nhưng đây là một vài điều tôi tìm thấy khi tôi đi săn xung quanh.
Có lẽ kiểm tra các gói sau:
mlogit là gói R tốt nhất tôi tìm thấy để mô hình hóa dữ liệu lựa chọn rời rạc. Nó hỗ trợ logit đa phương cơ bản, cũng như các mô hình tiên tiến hơn như probit đa phương và logit hỗn hợp. Gói này cũng bao gồm các thử nghiệm đặc điểm kỹ thuật để lựa chọn giữa các mô hình khác nhau.
Bạn có thể muốn sử dụng gói faisalconjoint trong R, nó được thử nghiệm với nhiều dữ liệu nghiên cứu và công bố, nó hoạt động hoàn hảo, một điều quan trọng là công việc của nó không bị hạn chế thiết kế và thủ tục xếp hạng. Nó hoạt động trong mọi điều kiện và cung cấp ước tính chính xác.
Theo ý kiến tốt nhất của tôi đối với R là gói liên kết từ CRAN: http://cran.r-project.org/web/packages/conjoint/index.html
Nếu bạn đang tìm kiếm các mô hình khác ngoài logit,
Mô hình Faisal Conjoint (FCM) là một mô hình tích hợp phân tích liên hợp và mô hình tiện ích ngẫu nhiên, được phát triển bởi Faisal Afzal Sid- diqui, Ghulam Hussain và Mudassir Uddin vào năm 2012. Thuật toán của nó được viết bằng ngôn ngữ thống kê R và có sẵn trong R [29] . Thiết kế của nó là độc lập với cấu trúc thiết kế. Nó có thể được sử dụng cho bất kỳ thiết kế nghiên cứu nào, ví dụ như toàn bộ pro, trực giao, giai thừa, siêu bão hòa, vv Một điểm quan trọng khác về FCM là thủ tục xếp hạng. Nó hoạt động cho mọi loại xếp hạng, tức là thứ hạng duy nhất, thứ hạng phần trăm, thứ hạng chặt chẽ, thứ hạng bị thiếu, vv Nó đã được thử nghiệm cho nhiều dữ liệu được công bố. Hầu hết các lần, kết quả FCM đều giống nhau với cùng độ lớn, thường là thứ hạng
Có một thư viện 'Liên hợp' với nhiều tính năng và mẫu để tìm các tiện ích. Để xem trước nhanh chóng kiểm tra các liên kết. Điều này sẽ giúp bạn bắt đầu.
Đối với R:
" survival " (clogit) cho mô hình logit đa phương (MNL).
" Mlogit " cho một loạt các mô hình (MNL, logit lồng nhau, logit dị vòng, logit hỗn hợp (MXL) còn được gọi là logit tham số ngẫu nhiên, ...).
Theo tinh thần tương tự, bạn nên xem " Rchoice " (tệp: /// C: /Users/kruci/Doads/v74i10.pdf).
" Bayesm " cho phiên bản bayes của MNL / MXL - Tuy nhiên nếu bạn quan tâm đến phương pháp bayesian, tôi rất muốn giới thiệu gói " RSGHB " tuyệt vời .
" gmnl " cho mô hình MNL tổng quát.
" flexmix " cho mô hình logit lớp tiềm ẩn (LCL).
Nói chung, điều quan trọng cần lưu ý là các mô hình lựa chọn là trường hợp đặc biệt của mô hình đa cấp (hoặc phân cấp) (bạn có các lựa chọn được lồng trong chính những người tham gia được lồng trong các đơn vị cao hơn: siêu thị, quốc gia, v.v.) - Vì vậy, mọi thứ đều có thể được sử dụng đối với mô hình đa cấp (ví dụ: gói " lme4 " tuyệt vời ) và điều đó cũng có thể phù hợp với tính chất rời rạc của biến lựa chọn sẽ thực hiện công việc. Ví dụ: bạn có thể sử dụng "lme4" nếu các lựa chọn là nhị phân (Bạn có muốn sản phẩm này không? Có / Không) hoặc được thực hiện giữa 2 tùy chọn (Bạn muốn sản phẩm nào? A / B).
Với Stata, bạn có nhiều lệnh hữu ích cho mô hình lựa chọn:
clogit cho MNL
mixlogit cho MXL
clogithet cho MNL heteroscedastic
lclogit cho lớp tiềm ẩn logit
gmnl cho khái quát hóa MNL
Nhiều người trong số các lệnh này đã được developped / tinh chế bởi Arne LỖ (Làm tốt lắm!)
Http: //www.stata.com/meeting/uk13/abstracts/m vật liệu / uk13_hole.pdf
Người điều hành lựa chọn cũng sử dụng phần mềm khác: nlogit (được phát triển bởi W. Greene) biogeme (Cảm ơn M. Bierlaire) - Công cụ tuyệt vời nhưng chỉ có thể được sử dụng cho các lựa chọn mô hình hóa tôi đã nghe về LatentGOLD nhưng không chắc chắn ...
Đối với những người muốn sử dụng MATLAB, bạn phải xem qua:
Mikołaj Czajkowski webiste ( http://czaj.org/research/estimation-packages/dce )
Trang web của Kenneth TRAIN ( https : // eml.ber siêu.edu / ~ train / software.html ) - Trên thực tế, hầu hết các chức năng lựa chọn đều đến từ công việc của Kenneth TRAIN
Cuối cùng, đối với những người sẵn sàng đầu tư một lượng thời gian đáng kể vào việc mã hóa các mô hình lựa chọn, trang web Chandra BHAT thật tuyệt vời ( http://www.caee.utexas.edu/prof/bhat/FULL_CODES.htm )
Rất cám ơn tất cả những nhà nghiên cứu vĩ đại này (Train, Bhat, Bierlaire, Hole, Croissant, Czajkowski, v.v.) đã thực hiện điều này!