Bradley-Terry-Luce(BTL) 模型指出， 在哪里是对象的概率被判断为比对象“更好”、更重等， 和， 和是参数。
这似乎是 glm 函数的候选者，family = binomial。但是，公式类似于“Success ~ S1 + S2 + S3 + S4 +...”，其中 Sn 是一个虚拟变量，如果对象 n 是比较中的第一个对象，则为 1，如果是，则为 -1第二个，否则为 0。那么 Sn 的系数将是相应的.
只需几个对象，这将相当容易管理，但可能导致公式很长，并且需要为每个对象创建一个虚拟变量。我只是想知道是否有更简单的方法。假设被比较的两个对象的名称或编号是变量（因素？）Object1和Object2，如果判断对象1更好，则Success为1，如果对象2更好，则为0。
我认为 R 中配对比较（PC）数据的最佳包是prefmod 包，它允许方便地准备数据以适应 R 中的（对数线性）BTL 模型。它使用泊松 GLM（更准确地说，泊松中的多项式 logit公式见例如这个讨论）。
好消息是它具有prefmod::llbt.design自动将您的数据转换为必要的格式和必要的设计矩阵的功能。
例如，假设您有 6 个对象全部成对比较。然后
R> library(prefmod)
R> des<-llbt.design(data, nitems=6)
将从如下所示的数据矩阵构建设计矩阵：
P1 0 0 NA 2 2 2 0 0 1 0 0 0 1 0 1 1 2
P2 0 0 NA 0 2 2 0 2 2 2 0 2 2 0 2 1 1
P3 1 0 NA 0 0 2 0 0 1 0 0 0 1 0 1 1 2
P4 0 0 NA 0 2 0 0 0 0 0 0 0 0 0 2 1 1
P5 0 0 NA 2 2 2 2 2 2 0 0 0 0 0 2 2 2
P6 2 2 NA 0 0 0 2 2 2 2 0 0 0 0 2 1 2
行表示人，列表示比较，0 表示未决定 1 表示首选对象 1，2 表示首选对象 2。允许缺失值。编辑：因为这可能不是简单地从上面的数据推断出来的，所以我在这里拼出来。必须按以下方式对比较进行排序（(12) 表示比较对象 1 与对象 2）：
(12) (13) (23) (14) (24) (34) (15) (25) etc.
拟合比使用该gnm::gnm功能最方便，因为它允许您进行统计建模。（编辑：您也可以使用该prefmod::llbt.fit函数，它更简单一些，因为它只需要计数和设计矩阵。）
R> res<-gnm(y~o1+o2+o3+o4+o5+o6, eliminate=mu, family=poisson, data=des)
R> summary(res)
Call:
gnm(formula = y ~ o1 + o2 + o3 + o4 + o5 + o6, eliminate = mu,
family = poisson, data = des)
Deviance Residuals:
Min 1Q Median 3Q Max
-7.669 -4.484 -2.234 4.625 10.353
Coefficients of interest:
Estimate Std. Error z value Pr(>|z|)
o1 1.05368 0.04665 22.586 < 2e-16 ***
o2 0.52833 0.04360 12.118 < 2e-16 ***
o3 0.13888 0.04297 3.232 0.00123 **
o4 0.24185 0.04238 5.707 1.15e-08 ***
o5 0.10699 0.04245 2.521 0.01171 *
o6 0.00000 NA NA NA
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
(Dispersion parameter for poisson family taken to be 1)
Std. Error is NA where coefficient has been constrained or is unidentified
Residual deviance: 2212.7 on 70 degrees of freedom
AIC: 2735.3
请注意，消除项将在摘要中省略令人讨厌的参数。然后，您可以获得价值参数（您的增量）为
## calculating and plotting worth parameters
R> wmat<-llbt.worth(res)
worth
o1 0.50518407
o2 0.17666128
o3 0.08107183
o4 0.09961109
o5 0.07606193
o6 0.06140979
你可以用
R> plotworth(wmat)
如果您有很多对象并且想o1+o2+...+on快速编写公式对象，您可以使用
R> n<-30
R> objnam<-paste("o",1:n,sep="")
R> fmla<-as.formula(paste("y~",paste(objnam, collapse= "+")))
R> fmla
y ~ o1 + o2 + o3 + o4 + o5 + o6 + o7 + o8 + o9 + o10 + o11 +
o12 + o13 + o14 + o15 + o16 + o17 + o18 + o19 + o20 + o21 +
o22 + o23 + o24 + o25 + o26 + o27 + o28 + o29 + o30
生成公式gnm（您不需要llbt.fit）。
有一篇JSS 文章，另请参阅https://r-forge.r-project.org/projects/prefmod/和文档?llbt.design。