Forfaits conjoints pour R

Pourriez-vous recommander un package d'analyse conjointe facile à utiliser ou complet pour R?

Je n'ai jamais utilisé R pour l'analyse conjointe, mais voici quelques éléments que j'ai trouvés en chassant.

• Aizaki et Nishimura (2008) ont un article «Conception et analyse d'expériences de choix utilisant R: une brève introduction» ( PDF gratuit disponible ici ).

Consultez peut-être les packages suivants:

• AlgDesign pour la construction d'ensembles de choix
• prefmod pour l'analyse des données de comparaison par paires
• conf.design pour la construction de plans factoriels

mlogit est le meilleur package R que j'ai trouvé pour modéliser des données à choix discret. Il prend en charge le logit multinomial de base, ainsi que des modèles plus avancés tels que probit multinomial et logit mixte. Le package comprend également des tests de spécification pour choisir entre différents modèles.

Vous voudrez peut-être utiliser le package faisalconjoint dans R, il est testé avec de nombreuses données publiées et de recherche, il fonctionne parfaitement, l'un sur une chose importante, ses travaux sans restriction de conception et procédure de classement. Il fonctionne dans toutes les conditions et fournit des estimations précises.

Le meilleur à mon avis pour R est un package conjoint du CRAN: http://cran.r-project.org/web/packages/conjoint/index.html

Si vous recherchez des modèles autres que logit,

1. vous pouvez utiliser le package «survie» pour créer un modèle logit multinomial conditionnel.
2. vous pouvez utiliser le package 'bayesm' pour construire un modèle hiérarchique bayésien (HB). Sawtoothsoftware a demandé au type qui a créé ce package de l'aider à construire le modèle HB dans son logiciel.

Faisal Conjoint Model (FCM) est un modèle intégré d'analyse conjointe et de modèles d'utilité aléatoires, développé par Faisal Afzal Siddiqui, Ghulam Hussain et Mudassir Uddin en 2012. Son algorithme a été écrit en langage statistique R et disponible en R [29] . Sa conception est indépendante de la structure de conception. Il pourrait être utilisé pour n'importe quel plan de recherche, c'est-à-dire un profil complet, orthogonal, factoriel, sursaturé, etc. Un autre point important concernant la FCM est la procédure de classement. Il fonctionne pour tous les types de rangs, c'est-à-dire les rangs uniques, les rangs en pourcentage, les rangs serrés, les rangs manquants, etc. Il a été testé pour de nombreuses données publiées. La plupart du temps, les résultats FCM sont les mêmes avec les mêmes ampleurs, souvent le rang

Il existe une bibliothèque «Conjoint» avec de nombreuses fonctionnalités et un exemple pour trouver des utilitaires. Pour un aperçu rapide, consultez le lien. Cela vous aidera à démarrer.

https://rpubs.com/haj3/conjoint

Pour R:
" survie " (clogit) pour le modèle logit multinomial (MNL).
" mlogit " pour une large gamme de modèles (MNL, logit imbriqué, logit hétéroscédastique, logit mixte (MXL) également appelés logit à paramètres aléatoires, ...).
Dans le même esprit, vous devriez jeter un œil à " Rchoice " (fichier: /// C: /Users/kruci/Downloads/v74i10.pdf).
" bayesm " pour la version bayésienne de MNL / MXL - Cependant, si vous êtes intéressé par l'approche bayésienne, je recommanderais fortement le grand package " RSGHB ".
" gmnl " pour le modèle MNL généralisé.
" flexmix " pour le modèle logit de classe latente (LCL).
Plus généralement, il est important de garder à l'esprit que les modèles de choix sont un cas particulier des modèles à plusieurs niveaux (ou hiérarchiques) (vous avez des choix imbriqués dans les participants eux-mêmes imbriqués dans des unités supérieures: supermarchés, pays, etc.) - Donc, tout ce qui peut être utilisé pour la modélisation à plusieurs niveaux (par exemple, le grand package " lme4 ") et qui peut également s'adapter à la nature discrète de la variable de choix ferait l'affaire. Par exemple, vous pouvez utiliser "lme4" si les choix sont binaires (Voulez-vous ce produit? Oui / Non) ou faites entre 2 options (Quel produit voulez-vous? A / B).

Avec Stata, vous disposez de nombreuses commandes utiles pour la modélisation des choix: clogit pour MNL
mixlogit pour MXL
clogithet pour hétéroscédastique MNL
lclogit pour classe latente logit
gmnl pour MNL généralisé
Beaucoup de ces commandes ont été développées / affinées par Arne HOLE (Great job!) Http: //www.stata.com/meeting/uk13/abstracts/materials/uk13_hole.pdf

Les modélisateurs de choix utilisent également d'autres logiciels: nlogit (développé par W. Greene) biogeme (Merci à M. Bierlaire) - Excellent outil mais ne peut être utilisé que pour la modélisation des choix J'ai entendu parler de LatentGOLD mais je ne suis pas sûr ...

Pour ceux qui veulent utiliser MATLAB, vous devez consulter: le site Web de
Mikołaj Czajkowski ( http://czaj.org/research/estimation-packages/dce ) le
site Web de Kenneth TRAIN ( https://eml.berkeley.edu/ ~ train / software.html ) - En fait, la plupart des fonctions de choix proviennent du travail de Kenneth TRAIN

Enfin, pour ceux qui souhaitent investir beaucoup de temps dans le codage des modèles de choix, le site Web de Chandra BHAT est incroyable ( http://www.caee.utexas.edu/prof/bhat/FULL_CODES.htm )

Un grand merci à tous ces grands chercheurs (Train, Bhat, Bierlaire, Hole, Croissant, Czajkowski, etc.) qui ont rendu cela possible!