আপনি কি আর ব্যবহারের জন্য সহজ বা বিস্তৃত সংশ্লেষ বিশ্লেষণ প্যাকেজের প্রস্তাব দিতে পারেন?
উত্তর:
আমি কখনই আরজেট বিশ্লেষণের জন্য আর ব্যবহার করিনি, তবে আশেপাশে শিকার করার সময় আমি বেশ কয়েকটি জিনিস পেয়েছি।
সম্ভবত নিম্নলিখিত প্যাকেজগুলি পরীক্ষা করে দেখুন:
ম্লোগিট হ'ল বিচ্ছিন্ন পছন্দসই ডেটা মডেলিংয়ের জন্য আমি খুঁজে পেয়েছি সেরা আর প্যাকেজ। এটি বেসিক বহু-জাতীয় লগইটকে সমর্থন করে পাশাপাশি আরও উন্নত মডেল যেমন মাল্টিনোমিয়াল প্রবিট এবং মিশ্র লগইটকে সমর্থন করে। বিভিন্ন মডেলের মধ্যে চয়ন করার জন্য প্যাকেজটিতে স্পেসিফিকেশন টেস্টও অন্তর্ভুক্ত রয়েছে।
আপনি আর-এ ফয়সালকনজয়েন্ট প্যাকেজটি ব্যবহার করতে চাইতে পারেন , এটি অনেক প্রকাশিত এবং গবেষণামূলক তথ্য দিয়ে পরীক্ষা করা হয়, এটি নিখুঁতভাবে কাজ করে, গুরুত্বপূর্ণ বিষয়টির উপর এটি নকশা সীমাবদ্ধতা এবং র্যাঙ্ক পদ্ধতি ছাড়াই কাজ করে। এটি সমস্ত অবস্থায় কাজ করে এবং সঠিক অনুমান সরবরাহ করে।
আর আমার মতে সেরা Cran থেকে একটি সম্মিলিত প্যাকেজ: http://cran.r-project.org/web/packages/conjoint/index.html
আপনি যদি লগইট ব্যতীত অন্য কোনও মডেল সন্ধান করছেন,
ফয়সাল কনজাইয়েন্ট মডেল (এফসিএম) কনজয়েন্টের বিশ্লেষণ এবং এলোমেলো ইউটিলিটি মডেলগুলির একটি সংহত মডেল, যা ফয়সাল আফজাল সিদিকী, গোলাম হুসেন এবং মুদাসসির উদ্দিন দ্বারা ২০১২ সালে তৈরি করা হয়েছিল। এর অ্যালগরিদমটি আর স্ট্যাটিস্টিকাল ভাষায় রচিত হয়েছিল এবং আর [29] এ উপলব্ধ ছিল। । এর নকশা নকশা কাঠামোর থেকে পৃথক। এটি যে কোনও গবেষণা নকশার জন্য যেমন ফুল প্রো, অর্থকোনাল, ফ্যাক্টরিয়াল, সুপারস্যাচুরেটেড ইত্যাদির জন্য ব্যবহার করা যেতে পারে এফসিএম সম্পর্কে আরেকটি গুরুত্বপূর্ণ বিষয় র্যাঙ্ক পদ্ধতি। এটি প্রতিটি ধরণের র্যাঙ্কের জন্য কাজ করে যেমন অনন্য র্যাঙ্কস, শতাংশ র্যাঙ্কস, টাইট র্যাঙ্কস, অনুপস্থিত র্যাঙ্কস ইত্যাদি etc. এটি অনেক প্রকাশিত তথ্যের জন্য পরীক্ষা করা হয়েছে। বেশিরভাগ সময়, এফসিএম ফলাফল একই ধরণের সাথে একই হয়, প্রায়শই র্যাঙ্ক হয়
ইউটিলিটিগুলি খুঁজতে অনেকগুলি বৈশিষ্ট্য এবং নমুনা সহ একটি লাইব্রেরি 'কনজাইন্ট' রয়েছে। দ্রুত পূর্বরূপের জন্য লিঙ্কটি পরীক্ষা করুন। এটি আপনাকে শুরু করতে সহায়তা করবে।
আর এর জন্য: মাল্টিনোমিয়াল লজিট (এমএনএল) মডেলের জন্য
"টিকে থাকা " (ক্লোজিট)। মডেলগুলির বিস্তৃত পরিসরের জন্য
" এমলোজিট " (এমএনএল, নেস্টেড লজিট, হেটেরোসেসটেস্টিক লগিট, মিশ্র লজিট (এমএক্সএল) যা এলোমেলো প্যারামিটার লগিট নামে পরিচিত, ...)।
একই চেতনায় আপনার " রাইচয়েস " (ফাইল: /// সি: / ইউজারস / ক্রুসি /ডাউনলোডস / ভি 74i10.pdf) একবার দেখে নেওয়া উচিত । এমএনএল / এমএক্সএল-এর বায়সিয়ান সংস্করণের জন্য
" বায়সেম " - তবে আপনি যদি বায়সিয়ান পদ্ধতির প্রতি আগ্রহী হন তবে আমি দুর্দান্ত " আরএসজিএইচবি " প্যাকেজটির দৃ strongly়ভাবে পুনর্বার আবেদন করব । জেনারেলাইজড এমএনএল মডেলের জন্য
" জিএমএনএল "।
"সুপ্ত শ্রেণির লগিট (এলসিএল) মডেলের জন্য ফ্লেক্সিমিক্স "।
আরও সাধারণভাবে মনে রাখা জরুরী যে পছন্দগুলি মডেলগুলি মাল্টিলেভেল (বা শ্রেণিবদ্ধ) মডেলগুলির একটি বিশেষ ক্ষেত্রে (আপনার পছন্দগুলি অংশীদারদের মধ্যে নেস্ট করে থাকে উচ্চতর ইউনিটগুলির মধ্যে নেস্টেড: সুপারমার্কেট, দেশগুলি ইত্যাদি) - সুতরাং যা কিছু ব্যবহার করা যেতে পারে মাল্টিলেভেল মডেলিংয়ের জন্য (উদাহরণস্বরূপ, দুর্দান্ত " lme4 " প্যাকেজ) এবং এটি পছন্দ পরিবর্তনশীলটির স্বতন্ত্র প্রকৃতির সমন্বয় করতে পারে যা কাজটি করবে do উদাহরণস্বরূপ, পছন্দগুলি বাইনারি হলে আপনি "lme4" ব্যবহার করতে পারেন (আপনি কি এই পণ্যটি চান? হ্যাঁ / না) বা 2 টি বিকল্পের মধ্যে করা হয়েছে (আপনি কোন পণ্যটি চান? এ / বি)?
: Stata সঙ্গে, আপনি পছন্দ মডেলিং জন্য দরকারী অনেক কমান্ড আছে
clogit MNL জন্য
mixlogit MXL জন্য
clogithet heteroscedastic MNL জন্য
lclogit সুপ্ত বর্গ logit জন্য
gmnl জন্য সাধারণ MNL
এই কমান্ড অনেক developped হয়েছে / (! কাজ গ্রেট) আর্নি গর্ত দ্বারা পরিশ্রুত
HTTP: //www.stata.com/meeting/uk13/abstracts/materials/uk13_hole.pdf
চয়েস মডেলাররা অন্যান্য সফ্টওয়্যার ব্যবহার করেন: নলগিট (ডাব্লু। গ্রীন দ্বারা বিকাশিত) বায়োজিমে (এম। বিয়ারলেয়ারকে ধন্যবাদ) - দুর্দান্ত সরঞ্জাম তবে কেবলমাত্র লেটেন্টগোল্ডের বিষয়ে শুনেছি এমন মডেলিংয়ের পছন্দগুলির জন্য ব্যবহার করা যেতে পারে তবে নিশ্চিত নয় ...
যারা ম্যাটল্যাব ব্যবহার করতে চান তাদের জন্য আপনি একবার দেখে নিতে পারেন:
মিকোয়াজ সিজ্জকোভস্কি ওয়েবসাইট ( http://czaj.org/research/estimation-packages/dce )
কেনেথ ট্রেন ওয়েবসাইট ( https://eml.berkeley.edu/ ~ ট্রেন / সফ্টওয়্যার। html) - আসলে বেশিরভাগ পছন্দের ফাংশনই কেনেথ ট্রেনের কাজ থেকে আসে
অবশেষে, যারা পছন্দের মডেলগুলির কোডিংয়ে উল্লেখযোগ্য পরিমাণে বিনিয়োগ করতে চান তাদের জন্য চন্দ্র বিএইচটি ওয়েবসাইটটি আশ্চর্যজনক ( http://www.caee.utexas.edu/prof/bhat/FULL_CODES.htm )
এই সমস্ত সম্ভাব্য গবেষক (ট্রেন, ভাট, বিয়ারলেয়ার, হোল, ক্রোস্যান্ট, সাজ্জাকভস্কি, ইত্যাদি) কে অনেক ধন্যবাদ যারা এটি সম্ভব করেছেন!