我想在我的数据分析中使用R.3.3.1中的BradleyTerry2包来包含特定于比赛的变量(我也尝试使用R.2.11.1与旧版本进行比较BradleyTerry2)。我面临的问题是我的预测变量没有适当考虑。下面的例子显示了我的问题,使用CEMS数据来说明我的观点。BradleyTerry2包中预测变量的问题
CEMS.BTmodel_01 <- BTm(outcome = cbind(win1.adj, win2.adj),
player1 = school1,
player2 = school2,
formula = ~ .. + WOR[student] * LAT[..],
refcat = "Stockholm",
data = CEMS)
summary(CEMS.BTmodel_01)
有了这个模型,我们得到一个AIC = 5837.4,估计到LAT的相互作用[..] * WOR [学生] = 0.85771
现在,如果我添加了一个新的学校(图卢兹,LAT = 1)在列表顶部
Toulouse <- c(1,0,0,0,0,0,0)
Barcelona <- c(0,1,0,0,0,0,0)
London <- c(0,0,1,0,0,0,0)
Milano <- c(0,0,0,1,0,0,0)
Paris <- c(0,0,0,0,1,0,0)
St.Gallen <- c(0,0,0,0,0,1,0)
Stockholm <- c(0,0,0,0,0,0,1)
LAT <- c(1,1,0,1,1,0,0)
schools <- data.frame(Toulouse, Barcelona, London, Milano, Paris, St.Gallen, Stockholm, LAT)
rownames(schools) <- c("Toulouse", "Barcelona", "London", "Milano", "Paris", "St.Gallen", "Stockholm")
CEMS$schools <- schools
我希望从分析得到同样的结果,因为新的学校没有在数据集中出现。但我实际上得到了AIC = 5855.8,互动LAT []] WOR [学生] = 0.13199
玩弄数据,它看起来我的预测变量名称(这里学校的名称)是没有适当考虑并与我的比较数据(这里是来自欧洲学生的配对比较)匹配。相反,这是他们的顺序。
我做错了什么?
大,它工作得很好,现在的结果要好得多。 我也意识到,同样的方法也必须应用于其他协变量矩阵(CEMS示例中的“学生”矩阵)。 –