Estoy utilizando la encuesta de consumidores de JMP > [Modelo de elección] para mi investigación. Me han recomendado incluir el nombre del modelo utilizado en el artículo. ¿Podrían proporcionarme el nombre del modelo? Además, me han pedido que incluya el coeficiente de determinación (R2). ¿Es posible calcularlo?
Estoy utilizando la encuesta de consumidores de JMP > [Modelo de elección] para mi investigación. Me han recomendado incluir el nombre del modelo utilizado en el artículo. ¿Podrían proporcionarme el nombre del modelo? Además, me han pedido que incluya el coeficiente de determinación (R2). ¿Es posible calcularlo?
Hola @Syoshinnsya2024 ,
¡Bienvenido a la Comunidad!
¿Ya revisaste la sección de Ayuda de JMP relacionada con los modelos Choice? : Descripción general de la plataforma Choice
" La plataforma Choice utiliza una forma de regresión logística condicional para estimar la probabilidad de que se prefiera una configuración. A diferencia de la regresión logística simple, el modelado de elección utiliza un modelo lineal para modelar las elecciones en función de los atributos de respuesta y no únicamente de las características del sujeto".
También se proporcionan algunos artículos/literatura para profundizar en la comprensión de los modelos de elección:
- Louviere, JJ, Flynn, TN y Marley, AA (2015).Escalado de mejor a peor: teoría, métodos y aplicaciones. Cambridge: Prensa de la Universidad de Cambridge.
- Train, KE (2009). Métodos de elección discreta y simulación . 2.ª ed. Cambridge University Press.
- Rossi, PE, Allenby, GM y McCulloch, R. (2005). Estadística bayesiana y marketing . Chichester, Reino Unido: John Wiley & Sons.
Como se basa en un tipo de regresión logística, no tendrás acceso al R² "tradicional".
Para la regresión logística, se puede utilizar el pseudo R² de McFadden.
Para los modelos de elección, puede utilizar las distintas métricas relacionadas con la probabilidad, como las métricas logLikelihhod, AICc y BIC. Sin embargo, al comparar varios modelos, resulta más útil elegir el que ofrezca más información y sea menos complejo.
Si desea calcular el pseudo R² de McFadden en su ejemplo, técnicamente podría hacerlo utilizando esta fórmula:
(de Pseudo-R-cuadrado - Wikipedia )
Con Lm: la verosimilitud logarítmica del modelo completo
y L0: la verosimilitud logarítmica del modelo con solo intersección (agregue un valor de factor constante y úselo en los efectos del modelo).
En el ejemplo "Perfiles de elección", ejecuto un modelo con efectos que tienen una logLikelihood igual a -6 (o -2logLikelihood = 12).
Al ejecutar un modelo con solo un efecto constante (intersección), tengo una logLikelihood igual a -9 (o -2logLikelihood = 18).
Usando la fórmula anterior, puedo calcular un pseudo R² de McFadden igual a 0,333.
Se adjunta la tabla de datos utilizada para los modelos para que pueda reproducir los pasos anteriores.
Espero que esta respuesta te ayude.
