คุณช่วยแนะนำแพ็คเกจการวิเคราะห์ร่วมที่ใช้งานง่ายหรือครอบคลุมสำหรับ R ได้หรือไม่?
คำตอบ:
ฉันไม่เคยใช้ R สำหรับการวิเคราะห์ร่วมกัน แต่นี่คือสิ่งที่ฉันพบเมื่อฉันตามล่าไป
บางทีลองดูแพ็คเกจต่อไปนี้:
mlogitเป็นแพ็คเกจ R ที่ดีที่สุดที่ฉันเคยพบสำหรับการสร้างแบบจำลองข้อมูลตัวเลือกแบบไม่ต่อเนื่อง รองรับ multinomial logit ขั้นพื้นฐานเช่นเดียวกับแบบจำลองขั้นสูงอื่น ๆ เช่น multinomial probit และ mix logit แพคเกจนี้ยังรวมถึงการทดสอบคุณสมบัติเพื่อเลือกระหว่างรุ่นที่แตกต่างกัน
คุณอาจต้องการใช้แพคเกจfaisalconjointใน R มันถูกทดสอบกับข้อมูลที่ตีพิมพ์และวิจัยจำนวนมากมันทำงานได้อย่างสมบูรณ์แบบสิ่งหนึ่งที่สำคัญในการทำงานโดยไม่มีข้อ จำกัด ในการออกแบบและขั้นตอนการจัดอันดับ มันทำงานได้ในทุกสภาวะและให้การประมาณการที่แม่นยำ
สิ่งที่ดีที่สุดในความคิดของฉันสำหรับ R คือแพ็คเกจ conjoint จาก CRAN: http://cran.r-project.org/web/packages/conjoint/index.html
หากคุณกำลังมองหารุ่นอื่นที่ไม่ใช่ logit
Faisal Conjoint Model (FCM) เป็นรูปแบบบูรณาการของการวิเคราะห์ร่วมและแบบจำลองยูทิลิตี้แบบสุ่มที่พัฒนาโดย Faisal Afzal Sid- diqui, Ghulam Hussain และ Mudassir Uddin ในปี 2012 อัลกอริทึมของมันถูกเขียนในภาษา R และมีอยู่ใน R [29] . การออกแบบมันเป็นอิสระจากโครงสร้างการออกแบบ มันสามารถใช้สำหรับการออกแบบการวิจัยใด ๆ เช่นเต็ม pro, orthogonal, factorial, supersaturated ฯลฯ อีกจุดที่สำคัญเกี่ยวกับ FCM คือขั้นตอนการจัดอันดับ มันใช้งานได้กับทุกประเภทของอันดับเช่นอันดับที่ไม่ซ้ำกันร้อยละอันดับแน่นอันดับที่หายไป ฯลฯ มันได้รับการทดสอบสำหรับข้อมูลที่เผยแพร่จำนวนมาก ส่วนใหญ่แล้วผลลัพธ์ของ FCM จะเหมือนกันกับขนาดเดียวกันซึ่งมักจะเป็นอันดับ
มีห้องสมุด 'Conjoint' ที่มีคุณสมบัติและตัวอย่างมากมายเพื่อค้นหาโปรแกรมอรรถประโยชน์ สำหรับตัวอย่างรวดเร็วตรวจสอบลิงค์ สิ่งนี้จะช่วยให้คุณเริ่มต้นได้
สำหรับการวิจัย:
" อยู่รอด " (clogit) สำหรับ logit พหุนาม (MNL) รุ่น
" mlogit " สำหรับหลากหลายรุ่น (MNL, logit ที่ซ้อนกัน, heteroscedastic logit, Mixed logit (MXL) หรือที่เรียกว่าพารามิเตอร์สุ่ม logit, ... )
ในจิตวิญญาณเดียวกันคุณควรดูที่ " Rchoice " (ไฟล์: /// C: /Users/kruci/Downloads/v74i10.pdf)
" bayesm " สำหรับเวอร์ชัน Bayesian ของ MNL / MXL - อย่างไรก็ตามหากคุณสนใจวิธีแบบ Bayesian ฉันขอแนะนำแพ็คเกจ " RSGHB " ที่ยอดเยี่ยม
" gmnl " สำหรับโมเดล MNL ทั่วไป
" flexmix " สำหรับโมเดล latit class logit (LCL)
โดยทั่วไปเป็นสิ่งสำคัญที่ต้องจำไว้ว่าตัวเลือกรูปแบบเป็นกรณีพิเศษของรูปแบบหลายระดับ (หรือลำดับชั้น) (คุณมีตัวเลือกที่ซ้อนกันอยู่ภายในผู้เข้าร่วมตัวเองซ้อนกันภายในหน่วยที่สูงกว่า: ซุปเปอร์มาร์เก็ตประเทศ ฯลฯ ) - สำหรับการสร้างแบบจำลองหลายระดับ (เช่นแพคเกจ " lme4 " ที่ยอดเยี่ยม) และยังสามารถรองรับลักษณะที่ไม่ต่อเนื่องของตัวแปรตัวเลือกที่จะทำงาน ตัวอย่างเช่นคุณสามารถใช้ "lme4" หากตัวเลือกเป็นแบบไบนารี (คุณต้องการผลิตภัณฑ์นี้หรือไม่ใช่ / ไม่ใช่) หรือทำระหว่าง 2 ตัวเลือก (ผลิตภัณฑ์ใดที่คุณต้องการ? A / B)
ด้วย Stata คุณมีคำสั่งมากมายที่เป็นประโยชน์สำหรับการสร้างแบบจำลองทางเลือก:
clogitสำหรับ MNL
mixlogitสำหรับ MXL
clogithetสำหรับ heteroscedastic MNL
lclogitสำหรับ logit class แฝง
gmnlสำหรับ MNL ทั่วไป
คำสั่งเหล่านี้ถูกพัฒนา / ปรับปรุงโดย Arne HOLE (ยอดเยี่ยมมาก!)
http: //www.stata.com/meeting/uk13/abstracts/materials/uk13_hole.pdf
ตัวเลือกตัวเลือกยังใช้ซอฟต์แวร์อื่น: nlogit (พัฒนาโดย W. Greene) biogeme (ขอบคุณ M. Bierlaire) - เครื่องมือที่ยอดเยี่ยม แต่สามารถใช้สำหรับการสร้างแบบจำลองทางเลือกที่ฉันเคยได้ยินเกี่ยวกับ LatentGOLD แต่ไม่แน่ใจ ...
สำหรับผู้ที่ต้องการใช้ MATLAB คุณต้องดูที่:
Mikołaj Czajkowski webiste ( http://czaj.org/research/estimation-packages/dce )
เว็บไซต์ Kenneth TRAIN ( https://eml.berkeley.edu/ ~ train / software.html ) - จริงๆแล้วฟังก์ชั่นทางเลือกส่วนใหญ่มาจากงานของ Kenneth TRAIN
ในที่สุดสำหรับผู้ที่ยินดีลงทุนเป็นจำนวนมากเวลาในการเข้ารหัสแบบจำลองทางเลือกเว็บไซต์ Chandra BHAT นั้นน่าทึ่ง ( http://www.caee.utexas.edu/prof/bhat/FULL_CODES.htm )
ขอบคุณมากสำหรับนักวิจัยที่ยอดเยี่ยมเหล่านี้ (รถไฟ, Bhat, Bierlaire, Hole, ครัวซองต์, Czajkowski ฯลฯ ) ซึ่งทำให้สิ่งนี้เป็นไปได้!