Bisakah Anda merekomendasikan paket analisis konjoin yang mudah digunakan atau komprehensif untuk R?
Bisakah Anda merekomendasikan paket analisis konjoin yang mudah digunakan atau komprehensif untuk R?
Jawaban:
Saya tidak pernah menggunakan R untuk analisis konjoin, tetapi di sini ada beberapa hal yang saya temukan ketika saya berburu.
Mungkin periksa paket-paket berikut:
mlogit adalah paket R terbaik yang saya temukan untuk memodelkan data pilihan diskrit. Ini mendukung multinomial logit dasar, serta model yang lebih maju seperti multinomial probit dan mixed logit. Paket ini juga mencakup tes spesifikasi untuk memilih antara berbagai model.
Anda mungkin ingin menggunakan paket faisalconjoint dalam R, itu diuji dengan banyak data yang dipublikasikan dan penelitian, ia bekerja dengan sempurna, satu hal penting kerjanya tanpa batasan desain dan prosedur peringkat. Ini berfungsi dalam semua kondisi dan memberikan perkiraan yang akurat.
Yang terbaik menurut saya untuk R adalah paket konjoin dari CRAN: http://cran.r-project.org/web/packages/conjoint/index.html
Jika Anda mencari model selain logit,
Faisal Conjoint Model (FCM) adalah model terintegrasi dari analisis konjoin dan model utilitas acak, yang dikembangkan oleh Faisal Afzal Sidhqui, Ghulam Hussain, dan Mudassir Uddin pada 2012. Algoritma ini ditulis dalam bahasa statistik R dan tersedia dalam R [29] . Desainnya tidak tergantung pada struktur desain. Ini dapat digunakan untuk desain penelitian apapun yaitu profil lengkap, ortogonal, faktorial, jenuh dll. Poin penting lainnya tentang FCM adalah prosedur peringkat. Ini bekerja untuk setiap jenis peringkat yaitu peringkat unik, peringkat persentase, peringkat ketat, peringkat hilang dll. Ini telah diuji untuk banyak data yang dipublikasikan. Seringkali, hasil FCM sama dengan besaran yang sama, seringkali peringkat
Ada perpustakaan 'Conjoint' dengan banyak fitur dan sampel untuk menemukan utilitas. Untuk pratinjau cepat, periksa tautannya. Ini akan membantu Anda memulai.
Untuk R:
" survival " (clogit) untuk model multinomial logit (MNL).
" mlogit " untuk beragam model (MNL, nested logit, heteroscedastic logit, mixed logit (MXL) juga dikenal sebagai logit parameter acak, ...).
Dengan semangat yang sama, Anda harus melihat " Rchoice " (file: /// C: /Users/kruci/Downloads/v74i10.pdf).
" bayesm " untuk versi bayesian MNL / MXL - Namun jika Anda tertarik dengan pendekatan bayesian saya akan sangat merekomendasikan paket " RSGHB " yang hebat.
" gmnl " untuk model MNL umum.
" flexmix " untuk model latent class logit (LCL).
Lebih umum adalah penting untuk diingat bahwa model pilihan adalah kasus khusus model multilevel (atau hierarkis) (Anda memiliki pilihan yang bersarang di dalam peserta itu sendiri yang bersarang dalam unit yang lebih tinggi: supermarket, negara, dll.) - Jadi segala sesuatu yang dapat digunakan untuk pemodelan multilevel (misalnya, paket " lme4 " yang hebat) dan yang juga dapat mengakomodasi sifat diskrit dari variabel pilihan akan melakukan pekerjaan. Misalnya, Anda dapat menggunakan "lme4" jika pilihannya adalah biner (Apakah Anda menginginkan produk ini? Ya / Tidak) atau dibuat di antara 2 opsi (Produk mana yang Anda inginkan? A / B).
Dengan Stata, Anda memiliki banyak perintah yang berguna untuk pemodelan pilihan:
clogit untuk MNL
mixlogit untuk MXL
clogithet untuk heteroscedastic MNL
lclogit untuk kelas laten
gmnl logit untuk MNL umum
Banyak perintah ini telah dikembangkan / disempurnakan oleh Arne HOLE (Great job!)
Http: //www.stata.com/meeting/uk13/abstracts/materials/uk13_hole.pdf
Pemodel pilihan juga menggunakan perangkat lunak lain: nlogit (dikembangkan oleh W. Greene) biogeme (Terima kasih kepada M. Bierlaire) - Alat hebat tetapi hanya dapat digunakan untuk pemodelan pilihan yang pernah saya dengar tentang LatentGOLD tetapi tidak yakin ...
Bagi mereka yang ingin menggunakan MATLAB, Anda harus melihat di:
Mikołaj Czajkowski webiste ( http://czaj.org/research/estimation-packages/dce )
situs web Kenneth TRAIN ( https://eml.berkeley.edu/ ~ train / software.html ) - Sebenarnya sebagian besar fungsi pilihan berasal dari karya Kenneth TRAIN
Akhirnya, bagi mereka yang bersedia menginvestasikan banyak waktu dalam pengkodean model pilihan, situs web Chandra BHAT sungguh menakjubkan ( http://www.caee.utexas.edu/prof/bhat/FULL_CODES.htm )
Terima kasih banyak kepada semua peneliti hebat ini (Train, Bhat, Bierlaire, Hole, Croissant, Czajkowski, dll) yang memungkinkan ini terjadi!