R 库（BradleyTerry2）。 Diff中的错误（player1，player2 ...必须是具有相同级别的因素

Question

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speedModel <- BTm(cbind(win1, win2), player1, player2, data = dat) 时，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子

我查看了 StackOverflow 上的另一个页面 (Updated with data: Error in Diff...must be factors with the same levels)，并尝试了以下代码。 （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dput(dat)的结果

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")

Answer 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，但是因为player1 仅包含值 1、...、5，而 player2 包含值 2、...、6，因此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)))  

然后我们就可以运行了

> 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