我正在使用 JMP 的 [消費者調查] > [選擇模型] 進行研究。有人建議我包含論文中使用的模型的名稱。可以請您提供型號的名稱嗎？另外，我還被提示加入決定係數 (R2)。可以計算嗎？
我正在使用 JMP 的 [消費者調查] > [選擇模型] 進行研究。有人建議我包含論文中使用的模型的名稱。可以請您提供型號的名稱嗎？另外，我還被提示加入決定係數 (R2)。可以計算嗎？
嗨@Syoshinnsya2024 ，
歡迎來到社區！
您是否已查看與 Choice 模型相關的 JMP 幫助部分？ : Choice 平台概述
“ Choice 平台使用一種條件邏輯回歸形式來估計首選配置的機率。與簡單的邏輯回歸不同，選擇建模使用線性模型根據響應屬性而不是僅根據主題特徵來對選擇進行建模。 ”
也提供了一些文章/文獻來深入了解選擇模型：
- Louviere, JJ、Flynn, TN 與 Marley, AA (2015)。最佳-最差縮放：理論、方法與應用。劍橋：劍橋大學出版社。
- 火車，KE (2009)。離散選擇方法和模擬。第二版。劍橋大學出版社。
- Rossi, PE、Allenby, GM 與 McCulloch, R. (2005)。貝葉斯統計和行銷。英國奇切斯特：約翰威利父子公司。
由於它是基於一種邏輯回歸，因此您無法使用“傳統”R²。
對於邏輯迴歸，可以使用 McFadden 的偽 R²。
對於選擇模型，您可以使用與可能性相關的不同指標，例如 logLikelihhod、AICc 和 BIC 指標。然而，在比較多個模型時，選擇資訊最豐富且不太複雜的模型是最有用的。
如果您想在範例中計算 McFadden 的偽 R²，從技術上講，您可以使用以下公式來完成：
（取自偽 R 方 - 維基百科）
Lm ：完整模型的對數似然
L0 ：僅具有截距的模型的對數似然（添加常數因子值並用於模型效果）。
在「選擇設定檔」範例中，我執行一個模型，其效果的 logLikelihood 等於 -6（或 -2logLikelihood = 12）。
當運行僅具有恆定效應（截距）的模型時，我的 logLikelihood 等於 -9（或 -2logLikelihood = 18）。
使用上面的公式，我可以計算出 McFadden 的偽 R² 等於 0,333。
附件是模型使用的資料表，以便您可以重現上述步驟。
希望這個回答對你有幫助
