Was ist, wenn wir die Daten mit Generalized analysiert haben?
Regression Würden sich die Ergebnisse von denen unterscheiden, die wir mit der Auswahlanalyse erhalten haben?
Beim diesjährigen JMP Discovery Summit in San Diego Es gab viele fantastische Gespräche. Nach Abschluss der Verkostung des Kartoffelchips schmettert Einer, der für mich herausstach, war mein Kollege Clay Barker s Präsentation zur Verwendung der Generalisierte Regressionspersönlichkeit in der Fit Model-Plattform auf kreative Weise . Insbesondere zeigte er, wie man einen passt Bradley-Terry-Modell Vergleichen Sie die relativen Stärken von Basketballteams, indem Sie die Gewinn-Verlust-Leistung für jedes Teampaar betrachten. Nach dem Sehen Melindas Analyse mit der Choice Analysis-Plattform Ich dachte, es wäre interessant, die Generalized Regression-Plattform auszuprobieren und zu sehen, wie die Ergebnisse miteinander verglichen werden.
Datenaufbereitung
Um dies zu versuchen, musste ich eine neue Datentabelle einrichten, in der jedes Paar, das in einem Auswahlsatz miteinander verglichen wurde, in einer Zeile angezeigt wird, eines mit einem Wert von 1 und das andere ein -1. Dann brauchte ich Spalten für die Anzahl, mit der jedes Paar verglichen wurde, und die Anzahl, mit der der Geschmack mit dem Wert 1 gegenüber dem Wert von -1 gewählt wurde. Beachten Sie, dass ich keine zusätzliche Zeile mit umgekehrten Werten von +/- 1 benötigte.
Wenn Sie den experimentellen Aufbau lesen, erinnern Sie sich vielleicht daran, dass wir die Chips nicht paarweise getestet haben, sondern jeweils drei. Um diese Analyse durchzuführen, teile ich jeden Auswahlsatz in die drei Paare auf, die darin vorkommen, da ich aus jedem Auswahlsieger den Gewinner und den Verlierer bestimmen kann, basierend auf dem Besten und dem Schlechten aus jedem Auswahlsatz.
Ich fand es am einfachsten, es auf die gleiche Weise einzurichten, wie Clay es mit den Basketballdaten tat - Werte von 1 für die erste Sorte einstellen, dann Werte von -1 für eine Sorte zu einer Zeit eingeben, wobei sich die restlichen Aromen nach rechts bewegten die Reihen nacheinander durchlaufen (für diejenigen unter Ihnen, die gerne an Matrizen denken, erhalten Sie etwas, das wie eine negative Identitätsmatrix aussieht). Um Ihnen eine Vorstellung davon zu geben, wie dies aussieht, sehen die ersten Zeilen meiner Datentabelle folgendermaßen aus:
Sie können die vollständige Datentabelle auf der sehen Dateiaustausch . Ich habe kein schönes Skript erstellt, um die Daten in dem von mir gewünschten Format zu sammeln - es ging darum, Tabellenzusammenfassungen zu verwenden und die für jedes Paar gewählten und verglichenen Zeiten manuell einzugeben.
Die Analyse
Nun, da ich die Datentabelle habe, die ich wollte, geht es jetzt zu Fit Model. Die gewählten Zeiten und die verglichenen Zeiten werden für die Y-Variablen ausgewählt, und ich füge alle Chip-Varianten als Effekte hinzu, wobei No Intercept ausgewählt ist (basierend auf dem Bradley-Terry-Modell). Mit einer generalisierten Regression und einer Binomialverteilung (wir betrachten die Wahrscheinlichkeit, dass eine Sorte die andere wählt), hatte ich:
Ich wählte die Vorwärtsauswahl mit AICc-Validierung, obwohl der BIC die gleichen Ergebnisse liefert. Das gewählte Modell sieht folgendermaßen aus:
Oder visuell:
Bei dem paarweisen Bradley-Terry-Modell stehen BBQ und Southern BBQ an der Spitze, gefolgt von Southern Biscuits und Gravy and Truffle Fries. Für die übrigen Geschmacksrichtungen wurde alles andere zusammengefasst, mit Ausnahme des armen Greektown Gyro, der in der JMP-Gruppe nicht sehr beliebt war.
Abschließende Gedanken
Für mich war es nicht sonderlich überraschend, dass die Ergebnisse ähnlich wie bei der von Melinda verwendeten Modellierung aussahen, aber ich fand es interessant, den generalisierten Regressionsansatz zu verwenden, um zu sehen, welche Aromen sich von der Packung unterscheiden. Leider haben die kanadischen Aromen nicht gehalten, aber zumindest waren sie nicht die schlechtesten.
Ich denke, es gibt noch mehr in der Geschichte: Das Bradley-Terry-Modell kann auf drei Vergleiche gleichzeitig erweitert werden, und es kann mehr Wahl mit der Wahlmodellierung geben. Dies wird wahrscheinlich in einem zukünftigen Blogbeitrag - oder möglicherweise in einem zukünftigen Discovery Summit - erneut aufgegriffen. Danke fürs Lesen!
Ryan Lekivetz schrieb:
Danke für den Link, wie man das in SAS / STAT macht.
