Об'єднані пакети для R

Не могли б ви порекомендувати простий у використанні або комплексний пакет сумісного аналізу для R?

Я ніколи не використовував R для сумісного аналізу, але ось кілька речей, які я виявив, коли полював навколо.

• Айзакі та Нішимура (2008) мають статтю "Дизайн та аналіз вибіркових експериментів з використанням R: Короткий вступ" ( Безкоштовний PDF доступний тут ).

Можливо, перегляньте такі пакунки:

• AlgDesign для створення наборів вибору
• префмод для аналізу парних даних порівняння
• conf.design для побудови факторних конструкцій

mlogit - найкращий пакет R, який я знайшов для моделювання даних дискретного вибору. Він підтримує базовий мультиноміальний logit, а також більш досконалі моделі, такі як багаточленний probit та змішаний logit. Пакет також включає тести на специфікацію для вибору між різними моделями.

Ви можете скористатися пакетом faisalconjoint в R, він перевірений багатьма опублікованими та дослідницькими даними, він прекрасно працює, важливо, що він працює без обмеження дизайну та процедури ранжування. Він працює в будь-яких умовах і дає точні оцінки.

Найкращий на мою думку для R - це сумісний пакет від CRAN: http://cran.r-project.org/web/packages/conjoint/index.html

Якщо ви шукаєте інші моделі, ніж logit,

1. ви можете використовувати пакет "виживання" для побудови умовної багаточленної моделі logit.
2. ви можете використовувати пакет "bayesm" для побудови ієрархічної байєсівської моделі (HB). Sawtoothsoftware попросив хлопця, який створив цей пакет, щоб допомогти їм створити модель HB у своєму програмному забезпеченні.

Модель з'єднання Файсаля (FCM) - це інтегрована модель сумісного аналізу та випадкових корисних моделей, розроблена Файсалом Афзалом Сиддікі, Гуламом Хуссейном і Мудасіром Уддіном у 2012 році. Його алгоритм був написаний статистичною мовою R та доступний у R [29] . Його дизайн не залежить від структури дизайну. Він може бути використаний для будь-якого дизайну досліджень, тобто повного профілю, ортогональних, факторних, перенасичених тощо. Ще одним важливим моментом щодо FCM є рангова процедура. Він працює для всіх типів рангів, тобто унікальних рангів, відсоткових рангів, жорстких рангів, відсутніх рангів тощо. Це було протестовано для багатьох опублікованих даних. У більшості випадків результати FCM збігаються з однаковими величинами, часто це звання

Існує бібліотека "Conjoint" з багатьма функціями та зразком пошуку утиліт. Для швидкого попереднього перегляду перевірте посилання. Це допоможе вам почати роботу.

https://rpubs.com/haj3/conjoint

Для R: модель
" виживання " (clogit) для багаточленної моделі logit (MNL).
" mlogit " для широкого кола моделей (MNL, вкладений logit, гетероседастичний logit, змішаний logit (MXL), також відомий як випадкові параметри logit, ...).
У такому ж думі слід поглянути на " Rchoice " (файл: /// C: /Users/kruci/Downloads/v74i10.pdf).
" баєзм " для байєсівської версії MNL / MXL - Однак якщо ви зацікавлені в байєсівському підході, я б настійно рекомендував великий пакет " RSGHB ".
" gmnl " для узагальненої моделі MNL.
" flexmix " для моделі лагітного латентного класу (LCL).
Загалом важливо пам’ятати, що моделі вибору - це особливий випадок багаторівневих (або ієрархічних) моделей (у вас є вибір, вкладений у самих учасників, вкладених у вищі підрозділи: супермаркети, країни тощо) - Отже, все, що можна використовувати для багаторівневого моделювання (наприклад, великий " lme4" пакет "), який також може враховувати дискретний характер змінної вибору, зробив би цю роботу. Наприклад, ви можете використовувати "lme4", якщо вибір є двійковим (Ви хочете цей товар? Так / Ні) або робиться між двома варіантами (який продукт ви хочете? A / B).

У Stata у вас є багато команд, корисних для моделювання вибору: clogit для MNL
mixlogit для MXL
clogithet для гетероседастичного MNL
lclogit для латентного класу logit
gmnl для узагальненого MNL
Багато з цих команд були розроблені / вдосконалені Arne HOLE (Чудова робота!) Http: //www.stata.com/meeting/uk13/abstracts/materials/uk13_hole.pdf

Модельєри вибору також використовують інше програмне забезпечення: nlogit (розроблений У. Гріном) biogeme (завдяки М. Бірлеру) - чудовий інструмент, але його можна використовувати лише для моделювання варіантів, про які я чув про LatentGOLD, але не впевнений ...

Для тих, хто хоче скористатись MATLAB, вам слід ознайомитись з веб-сайтом
Mikołaj Czajkowski ( http://czaj.org/research/estimation-packages/dce )
веб-сайту Kenneth TRAIN ( https://eml.berkeley.edu/ ~ поїзд / software.html ) - Насправді більшість функцій вибору походить від роботи Кеннета ТРЕЙНА

Нарешті, для тих, хто готовий вкласти значну кількість часу в кодування моделей вибору, веб-сайт Chandra BHAT є дивним ( http://www.caee.utexas.edu/prof/bhat/FULL_CODES.htm )

Величезне спасибі всім цим великим дослідникам (Поїзд, Бхат, Берлер, Діра, Круасан, Чайковський тощо), які зробили це можливим!