Paquetes conjuntos para R

¿Podría recomendar un paquete de análisis conjunto fácil de usar o completo para R?

Nunca he usado R para el análisis conjunto, pero aquí hay un par de cosas que encontré cuando busqué.

• Aizaki y Nishimura (2008) tienen un artículo "Diseño y análisis de experimentos de elección utilizando R: una breve introducción" ( PDF gratuito disponible aquí ).

Quizás revise los siguientes paquetes:

• AlgDesign para construir conjuntos de opciones
• prefmod para analizar datos de comparación emparejados
• conf.design para construir diseños factoriales

mlogit es el mejor paquete R que he encontrado para modelar datos de elección discreta. Admite el logit multinomial básico, así como modelos más avanzados como probit multinomial y logit mixto. El paquete también incluye pruebas de especificación para elegir entre diferentes modelos.

Es posible que desee utilizar el paquete faisalconjoint en R, se prueba con muchos datos publicados y de investigación, funciona perfectamente, uno en lo importante es que funciona sin restricción de diseño y procedimiento de clasificación. Funciona en todas las condiciones y proporciona estimaciones precisas.

En mi opinión, lo mejor para R es un paquete conjunto de CRAN: http://cran.r-project.org/web/packages/conjoint/index.html

Si está buscando modelos que no sean logit,

1. puede usar el paquete 'survival' para construir un modelo logit multinomial condicional.
2. puede usar el paquete 'bayesm' para construir el modelo jerárquico bayesiano (HB). Sawtoothsoftware le pidió al tipo que creó este paquete que los ayudara a construir el modelo HB en su software.

Faisal Conjoint Model (FCM) es un modelo integrado de análisis conjunto y modelos de utilidad aleatorios, desarrollado por Faisal Afzal Siddiqui, Ghulam Hussain y Mudassir Uddin en 2012. Su algoritmo fue escrito en lenguaje estadístico R y disponible en R [29] . Su diseño es independiente de la estructura del diseño. Podría usarse para cualquier diseño de investigación, es decir, perfil completo, ortogonal, factorial, sobresaturado, etc. Otro punto importante sobre el FCM es el procedimiento de clasificación. Funciona para todo tipo de rangos, es decir, rangos únicos, rangos de porcentaje, rangos ajustados, rangos faltantes, etc. Se ha probado para muchos datos publicados. La mayoría de las veces, los resultados de FCM son iguales con las mismas magnitudes, a menudo el rango

Hay una biblioteca 'Conjunta' con muchas características y ejemplos para encontrar utilidades. Para una vista previa rápida, consulte el enlace. Esto te ayudará a comenzar.

https://rpubs.com/haj3/conjoint

Para R:
" supervivencia " (clogit) para el modelo logit multinomial (MNL).
" mlogit " para una amplia gama de modelos (MNL, logit anidado, logit heteroscedastic, logit mixto (MXL) también conocido como parámetros aleatorios logit, ...).
En el mismo espíritu, debería echar un vistazo a " Rchoice " (archivo: /// C: /Users/kruci/Downloads/v74i10.pdf).
" bayesm " para la versión bayesiana de MNL / MXL - Sin embargo, si está interesado en el enfoque bayesiano, le recomendaría encarecidamente el excelente paquete " RSGHB ".
" gmnl " para el modelo MNL generalizado.
" flexmix " para el modelo logit de clase latente (LCL).
En términos más generales, es importante tener en cuenta que los modelos de elección son un caso especial de modelos multinivel (o jerárquicos) (tiene opciones anidadas dentro de los propios participantes anidados dentro de las unidades superiores: supermercados, países, etc.) - Entonces, todo lo que se puede usar para el modelado multinivel (p. ej., el gran paquete " lme4 ") y que también puede acomodar la naturaleza discreta de la variable de elección que haría el trabajo. Por ejemplo, podría usar "lme4" si las opciones son binarias (¿Desea este producto? Sí / No) o se realiza entre 2 opciones (¿Qué producto desea? A / B).

Con Stata, tiene muchos comandos útiles para el modelado de elección: clogit para MNL
mixlogit para MXL
clogithet para heterocedastic MNL
lclogit para latent class logit
gmnl para MNL generalizado
Muchos de estos comandos han sido desarrollados / refinados por Arne HOLE (¡Gran trabajo!) Http: //www.stata.com/meeting/uk13/abstracts/materials/uk13_hole.pdf

Los modeladores de opciones también usan otro software: nlogit (desarrollado por W. Greene) biogeme (Gracias a M. Bierlaire) - Gran herramienta, pero solo se puede usar para el modelado de opciones. He oído hablar de LatentGOLD pero no estoy seguro ...

Para aquellos que quieran usar MATLAB, deben
visitar: el sitio web de Mikołaj Czajkowski ( http://czaj.org/research/estimation-packages/dce )
Sitio web de Kenneth TRAIN ( https://eml.berkeley.edu/ ~ train / software.html ) - En realidad, la mayoría de las funciones de elección provienen del trabajo de Kenneth TRAIN

Finalmente, para aquellos que están dispuestos a invertir una cantidad significativa de tiempo en la codificación de modelos de elección, el sitio web de Chandra BHAT es increíble ( http://www.caee.utexas.edu/prof/bhat/FULL_CODES.htm )

¡Muchas gracias a todos estos grandes investigadores (Train, Bhat, Bierlaire, Hole, Croissant, Czajkowski, etc.) que hicieron esto posible!