R'deki Eşleştirilmiş Karşılaştırma (PC) verileri için en iyi paketin, R'deki (log lineer) BTL modellerine uyacak şekilde rahatça veri hazırlamasına izin veren prefmod paket olduğunu düşünüyorum. formülasyon bkz . bu tartışma ).
Güzel olan şey, prefmod::llbt.design
verilerinizi otomatik olarak gerekli biçime ve gerekli tasarım matrisine dönüştüren bir işleve sahip olmasıdır.
Örneğin, karşılaştırmalı olarak 6 nesneniz olduğunu varsayalım. Sonra
R> library(prefmod)
R> des<-llbt.design(data, nitems=6)
tasarım matrisini şöyle görünen bir veri matrisinden oluşturur:
P1 0 0 NA 2 2 2 0 0 1 0 0 0 1 0 1 1 2
P2 0 0 NA 0 2 2 0 2 2 2 0 2 2 0 2 1 1
P3 1 0 NA 0 0 2 0 0 1 0 0 0 1 0 1 1 2
P4 0 0 NA 0 2 0 0 0 0 0 0 0 0 0 2 1 1
P5 0 0 NA 2 2 2 2 2 2 0 0 0 0 0 2 2 2
P6 2 2 NA 0 0 0 2 2 2 2 0 0 0 0 2 1 2
satırları insanları, sütunları karşılaştırmaları ve 0'ı kararsız 1, tercih edilen nesne 1 ve 2 tercih edilen nesne 2 belirtir. Eksik değerlere izin verilir. Düzenleme : Bu muhtemelen sadece yukarıdaki verilerden çıkarım bir şey olmadığından, ben burada heceleyerek. Karşılaştırmalar şu şekilde sıralanmalıdır ((12) nesne 2 ile ortalama karşılaştırma nesnesi 1):
(12) (13) (23) (14) (24) (34) (15) (25) etc.
Montaj, gnm::gnm
istatistiksel modelleme yapmanıza izin verdiği için işlevle en uygun şekilde gerçekleştirilir . (Düzenle: prefmod::llbt.fit
Yalnızca sayıları ve tasarım matrisini aldığı için biraz daha basit olan işlevi de kullanabilirsiniz .)
R> res<-gnm(y~o1+o2+o3+o4+o5+o6, eliminate=mu, family=poisson, data=des)
R> summary(res)
Call:
gnm(formula = y ~ o1 + o2 + o3 + o4 + o5 + o6, eliminate = mu,
family = poisson, data = des)
Deviance Residuals:
Min 1Q Median 3Q Max
-7.669 -4.484 -2.234 4.625 10.353
Coefficients of interest:
Estimate Std. Error z value Pr(>|z|)
o1 1.05368 0.04665 22.586 < 2e-16 ***
o2 0.52833 0.04360 12.118 < 2e-16 ***
o3 0.13888 0.04297 3.232 0.00123 **
o4 0.24185 0.04238 5.707 1.15e-08 ***
o5 0.10699 0.04245 2.521 0.01171 *
o6 0.00000 NA NA NA
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
(Dispersion parameter for poisson family taken to be 1)
Std. Error is NA where coefficient has been constrained or is unidentified
Residual deviance: 2212.7 on 70 degrees of freedom
AIC: 2735.3
Elimine edilen terimin, rahatsızlık parametrelerini özetten çıkaracağını lütfen unutmayın. Daha sonra değer parametrelerini (deltalarınızı)
## calculating and plotting worth parameters
R> wmat<-llbt.worth(res)
worth
o1 0.50518407
o2 0.17666128
o3 0.08107183
o4 0.09961109
o5 0.07606193
o6 0.06140979
Ve bunları
R> plotworth(wmat)
Çok sayıda nesneniz varsa ve bir formül nesnesini o1+o2+...+on
hızlı bir şekilde yazmak istiyorsanız,
R> n<-30
R> objnam<-paste("o",1:n,sep="")
R> fmla<-as.formula(paste("y~",paste(objnam, collapse= "+")))
R> fmla
y ~ o1 + o2 + o3 + o4 + o5 + o6 + o7 + o8 + o9 + o10 + o11 +
o12 + o13 + o14 + o15 + o16 + o17 + o18 + o19 + o20 + o21 +
o22 + o23 + o24 + o25 + o26 + o27 + o28 + o29 + o30
formülünü oluşturmak için gnm
(ihtiyacınız olmayacak llbt.fit
).
Bir JSS makalesi var , ayrıca https://r-forge.r-project.org/projects/prefmod/ ve üzerinden belgelere bakın ?llbt.design
.