具有给定类别的多类别选择模型

机器算法验证 多元分析 联合分析
2022-03-16 16:55:05

我有三个产品类别,A,B,C. 每个类别有两个产品,0,1. 我提供了多种不同的选择情况,1) 测试对象被呈现一个单一的类别并被要求选择一个产品,2) 测试对象被呈现两个类别并从两个类别中选择一个产品,以及 3 ) 向测试对象展示所有三个类别,并让他们从每个类别中选择一个产品。我相信产品选择取决于单个产品的许多测量协变量、所呈现的产品类别以及其他类别的选择(如果可以选择的话)。

例如,假设我们有一个醋产品类别,有两个品牌。第一个品牌是昂贵的香醋。第二个品牌是便宜的商店品牌苹果醋。现在,假设我们有另外两个产品类别:沙拉蔬菜和厨房手套,每个类别都包含一个昂贵的优质品牌和一个廉价的通用品牌。即使当被要求仅从醋类或醋和沙拉类中选择时,消费者选择了昂贵的醋,如果被要求从醋和厨房手套类中选择产品,我们可能仍然会期望他会选择便宜的醋。我们也可以预期,一个选择了便宜醋的人,当被要求从醋和沙拉蔬菜类别中进行选择时,也会选择便宜的沙拉蔬菜。

这种情况类似于 PB Seetharaman 等人审查的“购物篮”问题。人。在“多类别选择行为模型”中。然而,我所看到的模型将产品类别的发生率视为消费者的函数,通常是一个阶段模型。

在选择者没有选择他们必须选择的类别的情况下,我们将如何估计测量协变量的系数。

1个回答

你读过这个吗? http://www.jstor.org/pss/30038862 Edwards 和 Allenby 的基本设置似乎与您相同,即多元概率,您可以在 bayesm 包中找到代码。

似乎您应该能够通过对 rho 进行似然比测试来测试概率在不同场景中是否独立,就像人们提倡的内生性测试一样,来评估依赖性。所以运行看似不相关的多元概率,并在 rho 上做一个似然比测试,看看事情是否相互影响。这是 SUR mv probit 中 rho 测试的示例,大约下降了 2/3: http ://www.philender.com/courses/categorical/notes1/biprobit.html