Conjoint-Pakete für R

18

Könnten Sie ein einfach zu verwendendes oder umfassendes Conjoint-Analysepaket für R empfehlen?

Brandon Bertelsen
quelle
4
nicht R, aber ich verwende Biogem, um diskrete Auswahlmodelle für die Verkehrs- und Privatsektorforschung zu schätzen: biogeme.epfl.ch . Gerne geben wir Ihnen einige Tipps für die Inbetriebnahme, wenn dies die Art von Analyse ist, die Sie durchführen müssen.
Chase

Antworten:

14

Ich habe R noch nie für die Conjoint-Analyse verwendet, aber hier sind ein paar Dinge, die ich gefunden habe, als ich herum gejagt habe.

  • Aizaki und Nishimura (2008) haben einen Artikel "Design und Analyse von Auswahlexperimenten mit R: Eine kurze Einführung" ( Kostenloses PDF hier verfügbar ).

Vielleicht schauen Sie sich die folgenden Pakete an:

  • AlgDesign zur Erstellung von Auswahlmengen
  • Prefmod zur Analyse gepaarter Vergleichsdaten
  • conf.design zur Konstruktion von Fakultätsentwürfen
Jeromy Anglim
quelle
11

mlogit ist das beste R-Paket, das ich für die Modellierung diskreter Auswahldaten gefunden habe. Es unterstützt die grundlegende multinomiale Protokollierung sowie fortgeschrittenere Modelle wie die multinomiale Probit- und die gemischte Protokollierung. Das Paket enthält auch Spezifikationstests zur Auswahl zwischen verschiedenen Modellen.

DartPrivateer
quelle
Das ist eine großartige Antwort. Eine der Vignetten für das Paket geht sogar durch und beantwortet eine Reihe von Fragen aus dem Zugbuch.
Ari B. Friedman
6

Sie können das faisalconjoint- Paket in R verwenden, es wurde mit vielen veröffentlichten und Forschungsdaten getestet, es funktioniert einwandfrei, eine wichtige Sache, es funktioniert ohne Designeinschränkung und Rangfolgeverfahren. Es funktioniert in jedem Zustand und liefert genaue Schätzungen.

Faisal Afzal Siddiqui
quelle
Die meisten Antworten und Pakete sind nur für die herkömmliche Conjoint-Analyse bestimmt. Gibt es Pakete oder Methoden, um eine wahlbasierte Conjoint-Operation durchzuführen? (Beispiel: Eine Auswahl von 10 Produkten in rund 5000 Einkäufen) @Faisal Afzal Siddiqui: Auswahlbasiert ist mit Ihrer Methode nicht möglich, nur mit herkömmlichen Ranglisten- oder Bewertungsdaten. Richtig?
2

Das meiner Meinung nach beste für R ist ein Conjoint-Paket von CRAN: http://cran.r-project.org/web/packages/conjoint/index.html

user24799
quelle
3
Willkommen auf der Site, @ user24799. Würde es Ihnen etwas ausmachen, etwas über dieses Paket zu sagen? Warum denkst du, ist es das Beste?
gung - Reinstate Monica
2

Wenn Sie nach anderen Modellen als logit suchen,

  1. Sie können das 'Survival'-Paket verwenden, um ein bedingtes multinomiales Logit-Modell zu erstellen.
  2. Mit dem Paket 'bayesm' können Sie ein hierarchisches Bayes'sches Modell (HB-Modell) erstellen. Sawtoothsoftware hat den Entwickler dieses Pakets gebeten, ihnen beim Erstellen des HB-Modells in ihrer Software zu helfen.
Enthusiast
quelle
2

Das Faisal Conjoint Model (FCM) ist ein integriertes Modell der Conjoint-Analyse und Zufallsgebrauchsmuster, das 2012 von Faisal Afzal Siddiqui, Ghulam Hussain und Mudassir Uddin entwickelt wurde. . Sein Design ist unabhängig von der Designstruktur. Es kann für jedes Forschungsdesign verwendet werden, z. B. Vollprofil, orthogonal, faktoriell, übersättigt usw. Ein weiterer wichtiger Punkt bei FCM ist das Rangverfahren. Es funktioniert für alle Arten von Rängen, dh eindeutige Ränge, prozentuale Ränge, enge Ränge, fehlende Ränge usw. Es wurde für viele veröffentlichte Daten getestet. In den meisten Fällen sind die FCM-Ergebnisse mit den gleichen Beträgen, häufig dem Rang, identisch

Faisal Afzal Siddiqui
quelle
Sieht so aus, als hättest du das schon einmal beantwortet. Mit einem anderen Konto.
Brandon Bertelsen
0

Es gibt eine Bibliothek 'Conjoint' mit vielen Funktionen und Beispielen, um Dienstprogramme zu finden. Für eine schnelle Vorschau überprüfen Sie den Link. Dies wird Ihnen den Einstieg erleichtern.

https://rpubs.com/haj3/conjoint

Aditya Arora
quelle
0

Für R:
" Survival " (Clogit) für das Multinomial Logit (MNL) -Modell.
" mlogit " für eine Vielzahl von Modellen (MNL, Nested Logit, heteroskedastisches Logit, Mixed Logit (MXL), auch als Zufallsparameter-Logit bezeichnet, ...).
In diesem Sinne sollten Sie sich " Rchoice " ansehen (Datei: /// C: /Users/kruci/Downloads/v74i10.pdf).
" bayesm " für die bayesianische Version von MNL / MXL - Wenn Sie jedoch an einem bayesianischen Ansatz interessiert sind, kann ich das großartige " RSGHB " -Paket nur empfehlen .
" gmnl " für das generalisierte MNL-Modell.
" flexmix " für das LCL-Modell (Latent Class Logit).
Generell ist es wichtig zu beachten, dass Auswahlmodelle ein Sonderfall von mehrstufigen (oder hierarchischen) Modellen sind (Sie haben Auswahlmöglichkeiten, die in den Teilnehmern selbst verschachtelt sind, die in höheren Einheiten verschachtelt sind: Supermärkte, Länder usw.) - also alles, was verwendet werden kann für die mehrstufige Modellierung (zB das großartige " lme4 " -Paket) und das auch die diskrete Natur der Auswahlvariablen berücksichtigen kann, würde die Arbeit erledigen. Zum Beispiel könnten Sie "lme4" verwenden, wenn die Auswahl binär ist (Möchten Sie dieses Produkt? Ja / Nein) oder zwischen 2 Optionen (Welches Produkt möchten Sie? A / B).

Mit Stata haben Sie viele nützliche Befehle für die Modellierung Ihrer Wahl: clogit für MNL
mixlogit für MXL
clogithet für heteroscedastic MNL
lclogit für latent class
logit gmnl für generalized MNL
Viele dieser Befehle wurden von Arne HOLE entwickelt / verfeinert (Great job!) Http: //www.stata.com/meeting/uk13/abstracts/materials/uk13_hole.pdf

Auserlesene Modellbauer verwenden auch andere Software: nlogit (entwickelt von W. Greene) biogeme (Dank an M. Bierlaire) - Ein großartiges Tool, das jedoch nur für Modellierungsentscheidungen verwendet werden kann, von denen ich über LatentGOLD gehört habe, aber nicht sicher bin ...

Für diejenigen, die MATLAB verwenden möchten, müssen Sie einen Blick auf folgende Website werfen:
Mikołaj Czajkowski ( http://czaj.org/research/estimation-packages/dce )
Kenneth TRAIN-Website ( https://eml.berkeley.edu/ ~ train / software.html ) - Die meisten Auswahlfunktionen stammen von Kenneth TRAIN

Für diejenigen, die bereit sind, viel Zeit in das Codieren ausgewählter Modelle zu investieren, ist die Chandra BHAT-Website erstaunlich ( http://www.caee.utexas.edu/prof/bhat/FULL_CODES.htm ).

Vielen Dank an all diese großartigen Forscher (Train, Bhat, Bierlaire, Hole, Croissant, Czajkowski usw.), die dies ermöglicht haben!

Umka
quelle