Et si on analysait les données en utilisant Generalized
Régression? Les résultats seraient-ils différents de ceux obtenus avec l'analyse de choix?
À cette année Sommet de la découverte JMP à San Diego , il y avait beaucoup de discussions fantastiques. Après avoir terminé la partie dégustation du smackdown de pommes de terre , celui qui m'est resté était mon collègue Argile barker La présentation de l'utilisation du Personnalité de la régression généralisée dans la plateforme Fit Model de manière créative . En particulier, il a montré comment adapter un Modèle Bradley-Terry comparer les forces relatives des équipes de basketball en examinant les performances victoire / perte de chaque paire d’équipes. Après avoir vu L'analyse de Melinda à l'aide de la plateforme Choice Analysis , J'ai pensé qu'il serait intéressant d'essayer la plate-forme de régression généralisée et de voir comment les résultats se comparent.
Préparation des données
Pour essayer cela, je devais configurer une nouvelle table de données dans laquelle chaque paire comparée dans un ensemble de choix apparaît dans une ligne, une avec une valeur de 1 et l'autre -1. Ensuite, j'avais besoin de colonnes pour le nombre de fois que chaque paire était comparée, et le nombre de fois où l'arôme avec la valeur 1 était choisi par rapport à celui avec -1. Notez que je n'ai pas besoin d'une ligne supplémentaire avec les valeurs de +/- 1 inversées.
Si vous lisez la configuration expérimentale, vous vous souviendrez que nous n’avons pas testé les puces deux par deux, mais trois à la fois. Pour effectuer cette analyse, je divise chaque ensemble de choix en trois paires, car je peux déterminer le gagnant et le perdant de chacun en fonction du meilleur et du pire de chaque ensemble de choix.
J'ai trouvé plus facile de le configurer de la même manière que Clay avait utilisé les données de basket-ball - définissez des valeurs de 1 pour la première saveur, puis définissez-les de -1 pour une saveur à la fois, les saveurs restantes étant à droite. en bas des rangées une par une (pour ceux d’entre vous qui aiment penser aux matrices, vous obtenez quelque chose qui ressemble à une matrice d’identité négative). Juste pour vous donner une idée de cela, les premières lignes de mon tableau de données ressemblent à ceci:
Vous pouvez consulter le tableau de données complet sur le Échange de fichiers . Je n'ai pas créé de beau script pour collecter les données dans le format que je souhaitais. Il suffisait d'utiliser des résumés sous forme de tableaux et de saisir manuellement les heures choisies et comparées pour chaque paire.
L'analyse
Maintenant que j'ai la table de données que je voulais, c'est à Fit Model. Les temps choisis et les temps comparés sont sélectionnés pour les variables Y, et j'ajoute tous les types de puces en tant qu'effets avec l'option Pas d'interception sélectionnée (basé sur le modèle de Bradley-Terry). Avec une régression généralisée et une distribution binomiale (nous examinons la probabilité qu'une saveur soit sélectionnée par rapport à l'autre), j'avais:
J'ai choisi la sélection en aval avec validation AICc, bien que BIC donne les mêmes résultats. Le modèle choisi ressemble à ceci:
Ou visuellement:
En utilisant le modèle paire Bradley-Terry, les modèles BBQ et Southern BBQ viennent en tête, suivis de Southern Biscuits et de Sauce et Fries Truffle (notez que ces positions sont passées du modèle Choice, mais les estimations sont proches). Pour les autres saveurs, tout le reste a été regroupé, à l’exception du très pauvre Greektown Gyro, qui n’était pas très populaire parmi le groupe JMP.
Dernières pensées
Il n’était pas surprenant que les résultats obtenus soient similaires à ceux de la modélisation utilisée par Melinda, mais j’ai pensé qu’il était intéressant d’utiliser l’approche de régression généralisée pour voir quelles saveurs se séparaient du lot. Hélas, les saveurs canadiennes n'ont pas résisté, mais au moins elles n'étaient pas les pires.
Je pense qu'il y a encore plus dans l'histoire: le modèle Bradley-Terry peut être étendu à trois comparaisons à la fois, et il peut y avoir plus dans l'histoire avec la modélisation par choix. Cela sera probablement réexaminé dans un prochain article de blog - ou peut-être un futur Sommet de découverte. Merci d'avoir lu!
Ryan Lekivetz a écrit:
Merci pour le lien pour savoir comment le faire dans SAS / STAT.
