Pacotes Conjuntos para R

Você poderia recomendar um pacote de análise conjunta fácil de usar ou abrangente para o R?

Eu nunca usei R para análise conjunta, mas aqui estão algumas coisas que eu encontrei quando caçava por aí.

• Aizaki e Nishimura (2008) têm um artigo "Design e análise de experiências de escolha usando R: Uma breve introdução" ( PDF grátis disponível aqui ).

Talvez verifique os seguintes pacotes:

• AlgDesign para construir conjuntos de opções
• prefmod para analisar dados de comparação emparelhados
• conf.design para a construção de projetos fatoriais

mlogit é o melhor pacote R que eu encontrei para modelar dados de escolha discreta. Ele suporta o logit multinomial básico, bem como modelos mais avançados, como probit multinomial e logit misto. O pacote também inclui testes de especificação para escolher entre diferentes modelos.

Você pode querer usar o pacote faisalconjoint no R, ele é testado com muitos dados publicados e de pesquisa, funciona perfeitamente, uma coisa importante a ser trabalha sem restrição de design e procedimento de classificação. Ele funciona em todas as condições e fornece estimativas precisas.

Na minha opinião, o melhor para R é um pacote conjunto do CRAN: http://cran.r-project.org/web/packages/conjoint/index.html

Se você estiver procurando por modelos diferentes do logit,

1. você pode usar o pacote 'survival' para criar um modelo de logit multinomial condicional.
2. você pode usar o pacote 'bayesm' para criar o modelo hierárquico bayesiano (HB). A Sawtoothsoftware pediu ao cara que criou este pacote que os ajudasse a construir o modelo HB em seus softwares.

O Modelo Faisal Conjoint (FCM) é um modelo integrado de análise conjunta e modelos de utilidade aleatória, desenvolvido por Faisal Afzal Siddiqui, Ghulam Hussain e Mudassir Uddin em 2012. Seu algoritmo foi escrito na linguagem estatística R e disponível em R [29] . Seu design é independente da estrutura do design. Pode ser usado para qualquer desenho de pesquisa, ou seja, perfil completo, ortogonal, fatorial, supersaturado etc. Outro ponto importante sobre o FCM é o procedimento de classificação. Ele funciona para todos os tipos de classificações, ou seja, classificações únicas, porcentagens, classificações restritas, classificações ausentes etc. Foi testado para muitos dados publicados. Na maioria das vezes, os resultados do FCM são os mesmos com as mesmas magnitudes, geralmente a classificação

Existe uma biblioteca 'Conjunta' com muitos recursos e exemplo para encontrar utilitários. Para uma visualização rápida, verifique o link. Isso ajudará você a começar.

https://rpubs.com/haj3/conjoint

Para R: modelo
" sobrevivência " (clogit) para multinitial logit (MNL).
" mlogit " para uma ampla gama de modelos (MNL, logit aninhado, logit heterocedástico, logit misto (MXL) também conhecido como logit de parâmetros aleatórios, ...).
No mesmo espírito, você deve dar uma olhada em " Rchoice " (arquivo: /// C: /Users/kruci/Downloads/v74i10.pdf).
" bayesm " para a versão bayesiana do MNL / MXL - No entanto, se você estiver interessado na abordagem bayesiana, recomendo fortemente o ótimo pacote " RSGHB ".
" gmnl " para o modelo MNL generalizado.
" flexmix " para o modelo latit class logit (LCL).
Em geral, é importante ter em mente que os modelos de escolha são um caso especial de modelos multiníveis (ou hierárquicos) (você tem opções aninhadas nos próprios participantes, aninhadas em unidades superiores: supermercados, países etc.) - Portanto, tudo o que pode ser usado para modelagem multinível (por exemplo, o grande pacote " lme4 ") e que também pode acomodar a natureza discreta da variável de escolha, faria o trabalho. Por exemplo, você pode usar "lme4" se as opções forem binárias (você deseja este produto? Sim / Não) ou feitas entre duas opções (qual produto você deseja? A / B).

Com o Stata, você tem muitos comandos úteis para modelagem de opções: clogit para MNL
mixlogit para MXL
clogithet para MNL heterocedástico
lclogit para classe latente logit
gmnl para MNL generalizada
Muitos desses comandos foram desenvolvidos / refinados por Arne HOLE (ótimo trabalho!) Http: //www.stata.com/meeting/uk13/abstracts/materials/uk13_hole.pdf

Os modeladores de escolha também usam outro software: nlogit (desenvolvido por W. Greene) biogeme (Agradecimentos a M. Bierlaire) - Ótima ferramenta, mas só pode ser usada para modelagem de escolhas que ouvi sobre LatentGOLD, mas não tenho certeza ...

Para aqueles que desejam usar o MATLAB, você deve dar uma olhada no
site da Mikołaj Czajkowski ( http://czaj.org/research/estimation-packages/dce ) no
site do Kenneth TRAIN ( https://eml.berkeley.edu/ ~ train / software.html ) - Na verdade, a maioria das funções escolhidas vem do trabalho de Kenneth TRAIN

Finalmente, para aqueles que estão dispostos a investir uma quantidade significativa de tempo na codificação dos modelos de escolha, o site Chandra BHAT é incrível ( http://www.caee.utexas.edu/prof/bhat/FULL_CODES.htm )

Muito obrigado a todos esses grandes pesquisadores (Train, Bhat, Bierlaire, Hole, Croissant, Czajkowski, etc) que tornaram isso possível!