Sto utilizzando [Consumer Survey] > [Choice Model] di JMP per la mia ricerca. Mi è stato consigliato di includere il nome del modello utilizzato nel documento. Potresti fornirmi il nome del modello? Inoltre, mi è stato chiesto di includere il coefficiente di determinazione (R2). È possibile calcolarlo?
Sto utilizzando [Consumer Survey] > [Choice Model] di JMP per la mia ricerca. Mi è stato consigliato di includere il nome del modello utilizzato nel documento. Potresti fornirmi il nome del modello? Inoltre, mi è stato chiesto di includere il coefficiente di determinazione (R2). È possibile calcolarlo?
Ciao @Syoshinnsya2024 ,
Benvenuti nella Community!
Hai già controllato la sezione della Guida JMP relativa ai modelli Choice? : Panoramica della piattaforma Choice
" La piattaforma Choice utilizza una forma di regressione logistica condizionale per stimare la probabilità che una configurazione sia preferita. A differenza della semplice regressione logistica, la modellazione della scelta utilizza un modello lineare per modellare le scelte in base agli attributi di risposta e non solo alle caratteristiche del soggetto. "
Vengono inoltre forniti alcuni articoli/letterature per approfondire la comprensione dei modelli di scelta:
- Louviere, JJ, Flynn, TN, e Marley, AA (2015).Scala Best-Worst: teoria, metodi e applicazioni. Cambridge: Cambridge University Press.
- Train, KE (2009). Metodi di scelta discreta e simulazione . 2a ed. Cambridge University Press.
- Rossi, PE, Allenby, GM, e McCulloch, R. (2005). Statistica bayesiana e marketing . Chichester, Regno Unito: John Wiley & Sons.
Poiché si basa su un tipo di regressione logistica, non avrai accesso al R² "tradizionale".
Per la regressione logistica è possibile utilizzare lo pseudo R² di McFadden.
Per i modelli Choice, puoi usare le diverse metriche relative alla Verosimiglianza, come le metriche logLikelihhod, AICc e BIC. Tuttavia, quando si confrontano più modelli, è più utile scegliere quello più informativo e meno complesso.
Se vuoi calcolare lo pseudo R² di McFadden nel tuo esempio, potresti tecnicamente farlo usando questa formula:
(da Pseudo-R-quadrato - Wikipedia )
Con Lm: la verosimiglianza del modello completo
e L0: la verosimiglianza logaritmica del modello con solo l'intercetta (aggiungere un valore di fattore costante e utilizzarlo negli effetti del modello).
Nell'esempio "Choice Profiles", eseguo un modello con effetti aventi una logLikelihood pari a -6 (o -2logLikelihood = 12).
Quando eseguo un modello con solo un effetto costante (intercetta), ottengo un logLikelihood pari a -9 (o -2logLikelihood = 18).
Utilizzando la formula sopra, posso calcolare uno pseudo R² di McFadden pari a 0,333.
In allegato è presente la tabella dati utilizzata per i modelli, in modo da poter riprodurre i passaggi precedenti.
Spero che questa risposta ti aiuti,
