我正在使用 JMP 的 [消费者调查] > [选择模型] 进行研究。我被建议在论文中包含所用模型的名称。您能否为我提供模型的名称？此外，我还被提示包含判定系数 (R2)。可以计算吗？
我正在使用 JMP 的 [消费者调查] > [选择模型] 进行研究。我被建议在论文中包含所用模型的名称。您能否为我提供模型的名称？此外，我还被提示包含判定系数 (R2)。可以计算吗？
你好@Syoshinnsya2024 ，
欢迎加入社区！
您是否已经查看了与选择模型相关的 JMP 帮助部分？： 选择平台概述
“选择平台使用一种条件逻辑回归来估计配置被偏爱的概率。与简单的逻辑回归不同，选择建模使用线性模型来根据响应属性而不是仅仅根据主体特征来建模选择。 ”
还提供了一些文章/文献来更深入地理解选择模型：
- Louviere, JJ、Flynn, TN 和 Marley, AA (2015)。最佳-最差扩展：理论、方法和应用.剑桥：剑桥大学出版社。
- Train, KE (2009)。离散选择方法与模拟。第二版。剑桥大学出版社。
- Rossi, PE、Allenby, GM 和 McCulloch, R. (2005)。贝叶斯统计和营销。英国奇切斯特：John Wiley & Sons。
由于它基于一种逻辑回归，因此您将无法访问“传统”R²。
对于逻辑回归，可以使用 McFadden 的伪 R²。
对于选择模型，您可以使用与似然性相关的不同指标，如 logLikelihhod、AICc 和 BIC 指标。然而，在比较多个模型时，它们最有用，可以选择信息量最大且不太复杂的模型。
如果您想在您的示例中计算 McFadden 的伪 R²，您可以从技术上通过使用以下公式来完成：
（来自伪 R 平方 - 维基百科）
其中 Lm 为全模型的对数似然
和 L0 ：仅具有截距的模型的对数似然（添加一个常数因子值并将其用于模型效应）。
在示例“选择概况”中，我运行了一个模型，其效果的对数似然等于 -6（或 -2logLikelihood = 12）。
当运行仅具有恒定效应（截距）的模型时，我的对数似然等于 -9（或 -2logLikelihood = 18）。
使用上面的公式，我可以计算出 McFadden 的伪 R² 等于 0,333。
附件是用于模型的数据表，以便您可以重现上述步骤。
希望这个答案能帮助你，
