我认为R中用于配对比较(PC)数据的最佳软件包是prefmod软件包,它可以方便地准备数据以适合R中的(对数线性)BTL模型。它使用Poisson GLM(更准确地说,是Poisson中的多项式logit公式请参见本讨论)。
令人高兴的是,它具有一个功能prefmod::llbt.design
,可以自动将您的数据转换为必要的格式和必要的设计矩阵。
例如,假设您有6个对象全部成对比较。然后
R> library(prefmod)
R> des<-llbt.design(data, nitems=6)
将根据如下所示的数据矩阵构建设计矩阵:
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
行表示人员,列表示比较,0表示不确定,1表示首选对象1,2表示首选对象2。允许缺少值。编辑:由于这可能不是简单地从上面的数据中推断出的东西,因此我在这里将其拼写出来。必须按以下方式对比较进行排序((12)表示比较对象1与对象2):
(12) (13) (23) (14) (24) (34) (15) (25) etc.
使用此gnm::gnm
功能最方便进行拟合,因为它允许您进行统计建模。(编辑:您也可以使用该prefmod::llbt.fit
函数,因为它只需要计数和设计矩阵,所以它有点简单。)
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
请注意,消除项将忽略摘要中的有害参数。然后,您可以获取值参数(您的增量)为
## 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
你可以用
R> plotworth(wmat)
如果您有许多对象并且想要o1+o2+...+on
快速编写公式对象,则可以使用
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
生成公式gnm
(您不需要llbt.fit
)。
有一篇JSS文章,另请参见https://r-forge.r-project.org/projects/prefmod/和通过的文档?llbt.design
。