0

我在 R 中使用 BradleyTerry2 包时遇到问题。我的数据如下所示。我从另一个代码创建了数据，我认为格式与 BradleyTerry 示例中的“citations.sf”相同（https://cran.r-project.org/web/packages/BradleyTerry2/vignettes/BradleyTerry.pdf）

   player1 player2 win1 win2
1        1       2   10    0
2        1       3   10    0
3        1       4    5    5
4        1       5   10    0
5        1       6    9    1
6        2       3    6    4
7        2       4    4    6
8        2       5    5    5
9        2       6    8    2
10       3       4    2    8
11       3       5    7    3
12       3       6    6    4
13       4       5   10    0
14       4       6    9    1
15       5       6    4    6

但是，当我运行时speedModel <- BTm(cbind(win1, win2), player1, player2, data = dat)，它显示如下错误消息。

Diff中的错误（player1，player2，formula，id，data，separate.ability，refcat，：'player1$..'和'player2$..'必须是相同级别的因素

我查看了 StackOverflow 上的另一个页面（用数据更新：差异中的错误......必须是具有相同级别的因素），我尝试了下面的代码。（不过，我不明白它的作用。）

levels(dat[,1]) <- dat(c(dat[,1], dat[,2]))
levels(dat[,2]) <- dat(c(dat[,1], dat[,2]))

但是，BTm() 函数会抛出相同的消息。谁能告诉我我能做什么？

这是结果dput(dat)

structure(list(player1 = structure(c(1L, 1L, 1L, 1L, 1L, 2L, 
2L, 2L, 2L, 3L, 3L, 3L, 4L, 4L, 5L), .Label = 1:6), player2 = structure(c(2L, 
3L, 4L, 5L, 6L, 3L, 4L, 5L, 6L, 4L, 5L, 6L, 5L, 6L, 6L), .Label = 1:6), 
win1 = c(10L, 10L, 5L, 10L, 9L, 6L, 4L, 5L, 8L, 2L, 7L, 6L, 
10L, 9L, 4L), win2 = c(0L, 0L, 5L, 0L, 1L, 4L, 6L, 5L, 2L, 
8L, 3L, 4L, 0L, 1L, 6L)), row.names = c(NA, -15L), class = "data.frame")
4

1 回答 1

1

您的问题在于数据框中玩家因素的定义。它们需要具有完全相同的级别，但因为player1仅包含值 1、...、5，而player2包含值 2、...、6，所以它们将具有不同的级别。

您需要通过提供确切的水平来强制这两个因素的水平相同。这是通过创建两个具有正确因子水平的新变量来实现此目的的一种方法。

dat$p1 <- factor(dat$player1, levels=unique(c(dat$player1, dat$player2)))  
dat$p2 <- factor(dat$player2, levels=unique(c(dat$player1, dat$player2)))

然后我们可以运行

> speedModel <- BTm(cbind(win1, win2), p1, p2, data = dat)
> speedModel
Bradley Terry model fit by glm.fit 

Call:  BTm(outcome = cbind(win1, win2), player1 = p1, player2 = p2, 
    data = indata)

Coefficients:
    ..2      ..3      ..4      ..5      ..6  
-2.1433  -2.4885  -0.7286  -3.1201  -2.9323  

Degrees of Freedom: 15 Total (i.e. Null);  10 Residual
Null Deviance:      81.14 
Residual Deviance: 13.71    AIC: 51.6
于 2018-11-09T19:49:11.023 回答