Cosa succede se abbiamo analizzato i dati utilizzando Generalizzato
Regressione? I risultati sarebbero diversi da quelli che abbiamo ottenuto con Choice Analysis?
A quest'anno JMP Discovery Summit a San Diego , ci sono stati molti discorsi fantastici. Dopo aver completato la parte degustazione del smackdown di patatine fritte , quello che mi ha colpito è stato il mio collega Clay Barker La presentazione su come usare il Personalità di regressione generalizzata nella piattaforma del modello di adattamento in modi creativi . In particolare, ha mostrato come adattarsi a Modello Bradley-Terry per confrontare i punti di forza relativi delle squadre di pallacanestro osservando le prestazioni di perdita di vittorie per ogni coppia di squadre. Dopo aver visto Analisi di Melinda utilizzando la piattaforma di analisi della scelta , Ho pensato che sarebbe stato interessante provare la piattaforma di regressione generalizzata e vedere come si confrontavano i risultati.
Preparazione dei dati
Per provare questo, avevo bisogno di creare una nuova tabella di dati in cui ogni coppia che è stata confrontata insieme in un gruppo di scelta appare in una riga, una con un valore di 1 e l'altra a -1. Quindi avevo bisogno di colonne per il numero di volte in cui ogni coppia è stata confrontata, e il numero di volte in cui il sapore con il valore di 1 è stato scelto rispetto a quello con un -1. Si noti che non ho bisogno di una riga aggiuntiva con valori di +/- 1 invertiti.
Se leggi la configurazione sperimentale, puoi ricordare che non abbiamo testato i chip a coppie, ma tre alla volta. Per fare questa analisi, ho suddiviso ogni gruppo di scelta in tre coppie che si verificano al suo interno, dal momento che posso determinare il vincitore e il perdente da ciascuno in base al meglio e al peggio da ogni scelta.
Ho trovato più facile impostarlo nello stesso modo in cui Clay ha fatto con i dati del basket - impostare i valori di 1 per il primo sapore, quindi inserire valori di -1 per un sapore alla volta con i sapori rimanenti a destra, in movimento giù per le file una alla volta (per quelli di voi che amano pensare alle matrici, si ottiene qualcosa che assomiglia a una matrice di identità negativa). Solo per darti un'idea di come sia, le prime file della mia tabella dati appaiono così:
Puoi dare un'occhiata alla tabella completa dei dati sul Scambio di file . Non ho creato uno script piacevole per raccogliere i dati nel formato che volevo: si trattava di utilizzare i riepiloghi delle tabelle e di inserire manualmente i tempi scelti e confrontati per ciascuna coppia.
Le analisi
Ora che ho la tabella dati che volevo, è su Fit Model. I tempi scelti e i tempi confrontati sono selezionati per le variabili Y, e aggiungo tutti i sapori del chip come effetti con Nessuna intercettazione selezionata (basata sul modello Bradley-Terry). Con una regressione generalizzata e una distribuzione binomiale (stiamo valutando la probabilità che un sapore venga colto sull'altro), ho avuto:
Ho scelto la selezione in avanti con la convalida AICc, sebbene BIC dia gli stessi risultati. Il modello scelto si presenta così:
O visivamente:
Usando il modello Bradley-Terry a coppie, BBQ e Southern BBQ escono in cima, seguiti da Southern Biscuits e Gravy and Truffle Fries (si noti che queste posizioni sono passate dal modello Choice, ma le stime sono vicine). Per i restanti sapori, tutto il resto è stato raggruppato insieme, ad eccezione del povero Gyro di Greektown, che non era molto popolare tra il gruppo JMP.
Pensieri finali
Non è stato così sorprendente per me che i risultati siano risultati simili alla scelta del modello utilizzato da Melinda, ma ho pensato che fosse interessante usare l'approccio di regressione generalizzata per vedere quali sapori separarsi dal pacchetto. Ahimè, i sapori canadesi non reggevano, ma almeno non erano i peggiori.
Penso che ci sia ancora di più nella storia: il modello Bradley-Terry può essere esteso a tre confronti alla volta, e potrebbe esserci di più nella storia con la scelta del modello. Questo potrebbe essere rivisitato in un futuro post sul blog - o forse in un futuro Discovery Summit. Grazie per aver letto!
Ryan Lekivetz ha scritto:
Grazie per il link su come farlo in SAS / STAT.
