如果我們使用廣義分析數據怎麼辦？
回歸？結果會與我們使用Choice Analysis的結果有什麼不同嗎？
在今年的 JMP Discovery峰會在聖地亞哥舉行 ，有很多精彩的演講。完成品嚐部分之後薯片擊倒一個對我來說很棒的是我的同事克萊巴克關於使用。的介紹 Fit Model平台中的廣義回歸個性以創造性的方式 。特別是，他展示瞭如何適應布拉德利 - 特里模特通過觀察每對球隊的輸贏表現來比較籃球隊的相對優勢。看到之後 Melinda使用Choice Analysis平台進行分析 ，我認為嘗試廣義回歸平台並看看結果如何比較會很有趣。
數據準備
為了嘗試這個，我需要設置一個新的數據表，其中在選擇集中一起比較的每一對出現在一行中，一個值為1，另一個值為-1。然後我需要比較每對的列數，並且選擇值為1的flavor的次數與-1的次數相比。請注意，我不需要額外的行，其值為+/- 1。
如果您閱讀實驗設置，您可能會記得我們沒有成對測試芯片，而是一次測試三個芯片。為了進行這種分析，我將每個選擇集拆分為其中出現的三對，因為我可以根據每個選擇集中的最佳和最差來確定每個選擇集的贏家和輸家。
我發現最簡單的設置方式與Clay對籃球數據的設置方式相同 - 第一種味道的值設置為1，然後一次為一種味道設置值-1，其餘的味道在右邊，移動一次一行（對於那些喜歡考慮矩陣的人，你得到的東西看起來像一個負的單位矩陣）。只是為了讓您了解它的外觀，我的數據表的前幾行如下所示：
您可以查看完整的數據表文件交換 。我沒有創建一個很好的腳本來收集我想要的格式的數據 - 這是一個使用表格摘要和手動輸入每個選擇和比較的時間的問題。
分析
現在我有了我想要的數據表，它適用於Fit Model。為Y變量選擇所選擇的時間和比較的時間，並且我將所有芯片風格添加為選擇No Intercept的效果（基於Bradley-Terry模型）。使用廣義回歸和二項分佈（我們正在研究一種風味被另一種風味挑選的可能性），我有：
我選擇了使用AICc驗證的前向選擇，儘管BIC給出了相同的結果。所選模型如下所示：
或視覺上：
使用成對的Bradley-Terry模型，BBQ和Southern BBQ排在首位，其次是Southern Biscuits和Gravy和Truffle Fries（注意這些位置從Choice模型轉換，但估計接近）。對於剩下的口味，其他所有的東西都被組合在一起，除了可憐的希臘城鎮陀螺，這在JMP小組中並不是很受歡迎。
最後的想法
對我來說，結果與Melinda使用的選擇建模類似，並不令人驚訝，但我認為使用廣義回歸方法看看哪些口味與包裝分開是很有趣的。唉，加拿大風味並沒有成功，但至少它們並不是最糟糕的。
我認為還有更多的故事：布拉德利 - 特里模型可以一次擴展到三個比較，並且可能有更多的故事與選擇建模。這可能會在未來的博客文章中重新審視 - 或者可能是未來的發現峰會。謝謝閱讀！
Ryan Lekivetz 中寫道：
感謝您關於如何在SAS / STAT中執行此操作的鏈接。
里克威克林中寫道：
很好的演示。如果您想了解如何在SAS / STAT軟件中安裝Bradley-Terry模型，請參閱 “樣本24992：將Bradley-Terry模型與成對呈現的項目中的首選項數據相匹配” 。
